簡(jiǎn)介

簡(jiǎn)介：模型在EGAN的基礎(chǔ)上改進(jìn)了一個(gè)降維的自注意力機(jī)制，并且設(shè)計(jì)了一個(gè)新穎的選擇算子，使用輪盤賭來(lái)選擇個(gè)體，如果他們的適配度滿足fchild<VALUE，則被選中的個(gè)體將被丟棄。需要在進(jìn)化的初始階段盡快找到最佳個(gè)體，并在后續(xù)階段保持種群的多樣性。

論文題目：LGEGAN: A Lightweight Evolutionary Generative Adversarial Network with Statistic Global Information（具有統(tǒng)計(jì)全局信息的輕量級(jí)進(jìn)化生成對(duì)抗網(wǎng)絡(luò)）

會(huì)議：2023 Chinese Control Conference

摘要：生成對(duì)抗網(wǎng)絡(luò)（GAN）已經(jīng)在很多領(lǐng)域得到了應(yīng)用。然而，現(xiàn)有的GAN及其變體遇到了很多問(wèn)題，包括模式崩潰、訓(xùn)練不穩(wěn)定和陷入局部最優(yōu)。因此，我們構(gòu)建了一個(gè)具有統(tǒng)計(jì)全局信息的輕量級(jí)進(jìn)化生成對(duì)抗網(wǎng)絡(luò)（LGEGAN）。為了解決淺層卷積神經(jīng)網(wǎng)絡(luò)難以捕獲遠(yuǎn)程特征依賴和訓(xùn)練過(guò)程容易出現(xiàn)模式崩潰的問(wèn)題，LGEGAN與EGAN的不同之處在于我們?cè)谏善骶W(wǎng)絡(luò)中添加了改進(jìn)的自注意力機(jī)制。為了解決訓(xùn)練過(guò)程中不穩(wěn)定的問(wèn)題，我們?cè)贚GEGAN中添加了譜歸一化，這增加了每一代訓(xùn)練過(guò)程的穩(wěn)定性。 最后，為了有效地在短時(shí)間內(nèi)進(jìn)化出適應(yīng)環(huán)境的個(gè)體，解決陷入局部最優(yōu)的問(wèn)題，我們構(gòu)造了一種新穎的選擇算子