Generative Networks and Royalty-Free Products
Yükleniyor...
Dosyalar
Tarih
2020
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
In recent years, with the increasing power of computers and Graphics Processing Units (GPUs), vast variety ofdeep neural networks architectures have been created and realized. One of the most interesting and generativetype of the networks are Generative Adversarial Networks (GANs). GANs are used to create things such asmusic, images or a film scenerio. GANs consist of two networks working simultaneously. Generative networkcaptures data distribution and discriminative network estimates the probability of the Generative Networkoutput, coming from training data of discriminative network. The objective is to both maximizing the generativenetwork products reality and minimize the discriminative network classification error. This procedure is aminimax two-player game. In this paper, it has been aimed to review the latest studies with GANs, to gather therecent studies in an article and to discuss the possible issues with royalty free products created by GANs. Withthis aim, from 2018 to today, the studies on GANs have been gathered to the citation numbers. As a result, therecent studies with GANs have been summarized and the potential issues related to GANs have been submitted.
Son yıllarda, bilgisayarların ve Grafik İşlem Birimlerinin (GPU'ların) artan gücüyle, çok çeşitli derin sinir ağları mimarileri oluşturulmuş ve gerçekleştirilmiştir. En ilginç ve üretken ağ türlerinden biri de Üretken Çekişmeli Ağlardır (GANs). GAN ağları müzik, görüntü ve film senaryolarının üretiminde kullanılmaktadır. GAN ağları eş zamanlı çalışan iki ağ yapısından oluşmaktadır. Üretici ağ, veri dağıtımını üstlenmekte ayırıcı ağlar ise, ayrımcı ağın veya üretken ağ ürününün eğitim verilerinden gelen Üretken Ağ çıktısının olasılığını tahmin etmektedir. Amaç hem üretken ağın ürettiği verinin gerçekliğini maksimize ederken, ayırıcı ağın da hatasını minimize etmektir. Bu süreç iki oyunculu bir minimax problemidir. Bu çalışmada GAN ağları ile ilgili yapılan son çalışmaların gözden geçirilerek bir makale altında bir araya getirilmesi ve GAN ağları ile üretilen telifsiz ürünler ile ortaya çıkacak olası konuların tartışılması amaçlanmıştır. Bu amaç ile 2018’den günümüze bu konuda yapılmış olan çalışmaların atıf sayısı en yüksek olanları bu çalışmada bir araya getirilmiştir. Sonuç olarak GAN ağları ile yapılmış bu çalışmaların özet ve sonuçları bir tablo haline getirilerek sunulmaktadır. Bu şekilde GAN ağlarının mevcut uygulamaları bu çalışmada ortaya konulmaktadır. Yine GAN ağları ile ilgili olası sorunların ne olacağı da bu çalışmada sunulmaktadır.
Son yıllarda, bilgisayarların ve Grafik İşlem Birimlerinin (GPU'ların) artan gücüyle, çok çeşitli derin sinir ağları mimarileri oluşturulmuş ve gerçekleştirilmiştir. En ilginç ve üretken ağ türlerinden biri de Üretken Çekişmeli Ağlardır (GANs). GAN ağları müzik, görüntü ve film senaryolarının üretiminde kullanılmaktadır. GAN ağları eş zamanlı çalışan iki ağ yapısından oluşmaktadır. Üretici ağ, veri dağıtımını üstlenmekte ayırıcı ağlar ise, ayrımcı ağın veya üretken ağ ürününün eğitim verilerinden gelen Üretken Ağ çıktısının olasılığını tahmin etmektedir. Amaç hem üretken ağın ürettiği verinin gerçekliğini maksimize ederken, ayırıcı ağın da hatasını minimize etmektir. Bu süreç iki oyunculu bir minimax problemidir. Bu çalışmada GAN ağları ile ilgili yapılan son çalışmaların gözden geçirilerek bir makale altında bir araya getirilmesi ve GAN ağları ile üretilen telifsiz ürünler ile ortaya çıkacak olası konuların tartışılması amaçlanmıştır. Bu amaç ile 2018’den günümüze bu konuda yapılmış olan çalışmaların atıf sayısı en yüksek olanları bu çalışmada bir araya getirilmiştir. Sonuç olarak GAN ağları ile yapılmış bu çalışmaların özet ve sonuçları bir tablo haline getirilerek sunulmaktadır. Bu şekilde GAN ağlarının mevcut uygulamaları bu çalışmada ortaya konulmaktadır. Yine GAN ağları ile ilgili olası sorunların ne olacağı da bu çalışmada sunulmaktadır.
Açıklama
Anahtar Kelimeler
[No Keywords]
Kaynak
Sakarya University Journal of Computer and Information Sciences (Online)
WoS Q Değeri
Scopus Q Değeri
Cilt
3
Sayı
3
