学界 | 蒙特利尔大学Bengio团队携手多伦多大学带来最新成果：方差正则化对抗学习

AI科技评论消息，由多伦多大学与蒙特利尔大学的Karan Grewal、R Devon Hjelm、Yoshua Bengio三人近日合作发表的文章《Variance Regularizing Adversarial Learning》提出了一种方差正则化对抗学习方法（Variance Regularizing Adversarial Learning， VGAL）。相比以往的对抗生成网络（GAN），VGAL 可以使鉴别器具有更加平滑输出分布特性，并且在真样本分布与生成样本分布间设定一定的混叠区间，从而提升 GAN 的生成效果。以下内容是 AI 科技评论根据论文内容进行的部分编译。论文摘要文章提出了一种新型的对抗训练模型，该算法将鉴别器评分方法设计成服从双模高斯分布的“真/生成”指标变量。为了实现这一设计，该团队使用原数据对抗训练（meta-adversarial）来使高斯分类器与目标双模分布模 ………………………………