GAN (Generative Adversarial Network)
Zwei gegeneinander trainierte neuronale Netze: Ein Generator erzeugt künstliche Daten, ein Diskriminator versucht, sie von echten zu unterscheiden. 2014 von Ian Goodfellow und Kollegen vorgestellt.
Ein Generative Adversarial Network (GAN) koppelt zwei neuronale Netze: einen Generator, der Zufallsrauschen in synthetische Stichproben abbildet, und einen Diskriminator, der echte Trainingsdaten von Fälschungen unterscheiden soll. Der Generator wird trainiert, den Diskriminator zu täuschen, als Minimax-Spiel zweier Spieler.
Sind beide Netze mehrschichtige Perzeptrons, kann das System mit Backpropagation trainiert werden, ohne Markow-Ketten oder entrollte Inferenznetze. GANs wurden zu einem zentralen Strang generativer KI und unüberwachten Lernens. Siehe Artikel und Zeitleisten-Eintrag.