জ্যান যেমন দুটি অংশ নিয়ে গঠিত - জেনারেটর এবং বৈষম্যমূলক, তাই বৈশিষ্ট্য নিষ্কর্ষক হিসাবে GAN ব্যবহার করার দুটি উপায় রয়েছে:
- জেনারেটর ভিত্তিক উপায়ে মিখাইল ইউরাসভ উপস্থাপন করেছেন
- কেনি উপস্থাপন হিসাবে বৈষম্যমূলক ভিত্তিক উপায়।
দ্বিতীয় উপায়টি আরও বিতর্কিত। কিছু গবেষণা [1] বলেছিল যে স্বজ্ঞাতভাবে, বৈষম্যমূলক লক্ষ্য হিসাবে উত্পন্ন নমুনাগুলিকে প্রকৃত নমুনাগুলি থেকে আলাদা করা, এটি কেবলমাত্র এই দুটি ধরণের নমুনার মধ্যে পার্থক্যের উপর আলোকপাত করবে। তবে যেটি বোঝায় তা হ'ল আসল নমুনাগুলির মধ্যে পার্থক্য, যা নিচে প্রবাহের কাজগুলি দ্বারা ব্যবহৃত নমুনাগুলি।
আমি এটি অধ্যয়ন করার চেষ্টা করেছি এবং আমি খুঁজে পেয়েছি যে নিষ্কাশন করা বৈশিষ্ট্যটি দুটি অ र्थ োগোনাল উপ- স্পেসে ভাগ করা যেতে পারে । প্রথম স্থান বৈষম্যমূলক কাজে অবদান রাখে, যখন দ্বিতীয়টি এ থেকে মুক্ত। বেশিরভাগ ক্ষেত্রে যেমন উত্পন্ন উত্সগুলি থেকে প্রকৃত নমুনাগুলি আলাদা করতে ব্যবহৃত বৈশিষ্ট্যগুলি শব্দ হয়, দ্বিতীয় বৈশিষ্ট্যের স্থানটি শোনামুক্ত হবে। এই দৃষ্টিকোণ থেকে, যদিও বৈষম্যকারীর কাজটি সত্যিকারের নমুনাগুলির মধ্যে পার্থক্যের দিকে মনোনিবেশ করবে না, যা ডাউন স্ট্রিম কাজের জন্য দরকারী, তবে দ্বিতীয় উপস্থানে থাকা শব্দ-মুক্ত বৈশিষ্ট্যগুলি কাজ করবে।
[1] জোস্ট টোবিয়াস স্প্রিনজেনবার্গ। শ্রেণীবদ্ধ জেনারেটাল অ্যাডভারসিয়াল নেটওয়ার্কগুলির সাথে নিরীক্ষণযোগ্য এবং আধা-তত্ত্বাবধানে পড়াশুনা। arXiv: 1511.06390 [সিএস, স্ট্যাট], এপ্রিল 2016 2016 arXiv: 1511.06390 [stat.ML]। ইথাকা, এনওয়াই: কর্নেল বিশ্ববিদ্যালয় গ্রন্থাগার।