【技术实现步骤摘要】
本专利技术涉及一种用于提高生成对抗网络(generative adversarial network，gan)的生成模型品质的信息处理装置。
技术介绍
1、近年来，作为深度学习技术之一，已知有一种被称为gan的技术，其能够通过让生成模型(generator)和辨别模型(discriminator)对抗性地学习，从而生成比以往更高品质的、并非真实存在的数据。
2、向常规gan的生成模型提供随机生成的噪声向量作为输入。例如，如果对学习过生成写有手写数字0到9中任一个的图像的生成模型提供噪声向量，那么生成模型例如就会生成写有数字0到9中任一个的图像。在这种情况下，用户无法指定生成模型应该生成写有哪个数字的图像。
3、针对这样的问题，提出了有条件的生成对抗网络(conditional gan，简称为cgan)，其除了噪声向量外，还会在生成模型的输入中提供类信息，从而能够控制生成模型生成被划分为指定类的数据(mehdi mirza及另1人，“conditional generativeadversarial nets”，arxiv，2014年11月6日，url：https://arxiv.org/abs/1411.1784)。
4、在先技术文献
5、非专利文献
6、非专利文献1：mehdi mirza及另1人，“conditional generative adversarialnets”，arxiv，2014年11月6日，url：https://arxiv.org/abs/14
技术实现思路
1、专利技术所要解决的课题
2、如果对cgan的生成模型输入噪声向量和类，理论上应该会生成属于指定类的数据，但能否生成指定类的数据，取决于生成模型的品质。也就是说，根据生成模型的品质，在用户指定特定类并生成数据的情况下，可能会生成如下数据，即(能够正确分类的)分类模型将生成的数据划分为不同于特定类的其他类的数据。
3、本专利技术鉴于上述课题开发而成，其目的在于实现如下技术，即：在使用有条件的生成对抗网络生成数据的情况下，提高生成指定类的数据的精度。
4、用于解决课题的方案
5、为了解决该课题，例如本专利技术的信息处理装置具备以下结构。即：
6、一种信息处理装置，其包括：
7、一个以上处理器，以及
8、包含一个以上程序的内存；当所述一个以上程序被所述一个以上处理器运行时，使所述信息处理装置执行如下处理：
9、通过执行有条件的生成对抗网络的学习算法，让基于噪声向量和指定的类来生成属于所述类的数据的生成模型进行学习，
10、让对输入的数据是否属于所述指定类进行分类的分类模型进行学习，以及
11、通过执行形式验证算法来判定所述分类模型对所述生成模型的输出进行分类时是否满足属性；
12、所述属性是指在输入到所述生成模型的噪声向量的一定范数范围内，所述生成模型不生成会被划分为与针对所述生成模型指定的第1类不同的类的数据。
13、专利技术效果
14、根据本专利技术，在使用有条件的生成对抗网络生成数据的情况下，可以提高生成指定类的数据的精度。
本文档来自技高网...【技术保护点】
1.一种信息处理装置，其包括：
2.根据权利要求1所述的信息处理装置，其中，所述一个以上处理器进而使所述信息处理装置执行
3.根据权利要求1所述的信息处理装置，其中，所述一个以上处理器进而使所述信息处理装置执行
4.根据权利要求1所述的信息处理装置，其中，所述一个以上处理器进而使所述信息处理装置执行
5.根据权利要求1所述的信息处理装置，其中，所述一个以上处理器一边变更范数大小一边反复执行是否满足所述属性的判定。
【技术特征摘要】
1.一种信息处理装置，其包括：
2.根据权利要求1所述的信息处理装置，其中，所述一个以上处理器进而使所述信息处理装置执行
3.根据权利要求1所述的信息处理装置，其中，所述一个以上处理器进而使所述信息处理装置执...
【专利技术属性】
技术研发人员：田笼照博，
申请(专利权)人：株式会社野村综合研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。