RT info:eu-repo/semantics/bachelorThesis
T1 Redes generativas adversariales
A1 Pelazas Rivero, María Elisabet
A2 Universidad de Valladolid. Facultad de Ciencias
K1 GANs
K1 Kullback
K1 Jensen-Shannon
AB Las redes generativas adversariales (GANs) son un tipo de algoritmo generativo capaz de producir muestras artificiales prácticamente indistinguibles de los ejemplos reales de los que parten. Los resultados obtenidos por estos métodos en la generación de imágenes artificiales muestran la capacidad de adaptarse a contextos de alta dimensión, en los que un uso clásico del principio de máxima verosimilitud encuentra serias limitaciones. Estas GANs se plantean como un juego entre funciones discriminantes, que tratan de distinguir las muestras reales de las simuladas, y las funciones generativas (adversarias de las anteriores), que pretenden ajustarse lo más posible al conjunto de entrenamiento. Estadísticamente el problema se puede reescribir como un problema de mínima divergencia en el sentido de Jensen-Shannon, relacionada, pero diferente de la divergencia de Kullback-Leibler, subyacente al método de máxima verosimilitud. En este trabajo se estudia la teoría estadística apropiada para aportar garantías sobre el funcionamiento de las GANs. Se abordan también los aspectos computacionales implicados en la implementación práctica de estos métodos.
YR 2021
FD 2021
LK https://uvadoc.uva.es/handle/10324/50593
UL https://uvadoc.uva.es/handle/10324/50593
LA spa
DS UVaDOC
RD 17-jul-2024