Generatiiviset mallit: GAN ja VAE – sovellukset yhdessä ja erikseen

Abstract

Generatiiviset mallit ovat keskeinen tekoälyn osa-alue, ja niitä on monenlaisia. Tässä tutkielmassa keskitytään GAN- ja VAE-malleihin sekä niitä hyödyntäviin hybridimalleihin. Generatiiviset vastakkaisverkot (GAN) ovat laajasti käytettyjä visuaalisen datan generoinnissa. Näiden avulla voidaan tuottaa realistisia ja yksityiskohtaisia tuloksia. Variaatiollista automaattikoodainta (VAE) käyttävät mallit puolestaan soveltuvat hyvin datan pakkaamiseen ja poikkeamien tunnistukseen, koska niiden avulla voidaan luoda rakenteellisesti johdonmukaisia malleja. Hybridimallit yhdistävät VAE:n ja GAN:n lähestymistavat. Variaatiollinen automaattikoodain koostuu kahdesta neuroverkosta: dekooderista ja enkooderista. Malli hyödyntää todennäköisyyspohjaista lähestymistapaa. Generatiiviset vastakkaisverkot puolestaan rakentuvat kahdesta neuroverkosta. Nämä kaksi neuroverkkoa ovat generaattori ja diskriminaattori, näiden neuroverkkojen välinen kilpailu johtaa tasapainotilaan — tilanteeseen, jossa on saavutettu haluttu tulos. Hybridimallit sisältävät kolme pääosaa: enkooderin, generaattorin ja diskriminaattorin. Niiden avulla voidaan kehittää sovelluksia, joissa vältetään yksittäisten mallien heikkoudet. Tilanteisiin sopivien mallien valinta on ratkaisevaa näiden käytössä.