30秒でわかる要点
生成器（Generator）と識別器（Discriminator）の2つのネットワークを競わせて学習する手法。リアルな画像生成やデータ拡張に応用。イアン・グッドフェローが2014年に提案。
「GAN（敵対的生成ネットワーク）」の練習問題
当サイトの練習問題から、この用語に関係する問題をピックアップしました。
Q1敵対的生成ネットワーク（GAN）の基本的なトレーニング原理について最も適切なものはどれか。
- 生成器と判別器が互いに対立的に学習し、生成器が判別器を騙すほど高い品質のデータ生成を学ぶこと
- 生成器のみ訓練し、判別器は使用されない
- 判別器のみ訓練し、生成器は固定される
- 敵対的学習は機械学習では不要
答えと解説を見る
正解：A
GANは生成器G（ノイズから画像生成）と判別器D（本物か偽物か判定）が競争。Gは判別器を騙そうと、Dは騙されないよう学習。この対立から、本物に近いデータ生成が実現。画像生成で革新的。B、C、Dは誤り。
Q2GAN（Generative Adversarial Network）の基本構造として正しいものはどれか。
- 生成器と判別器が相互に競争し、生成器が判別器を騙す能力で実データに近い生成
- 生成器のみで機能
- 判別器がデータ生成
- 競争メカニズムなし
答えと解説を見る
正解：A
GANのミニマックスゲーム構造により、生成器はリアルなデータを生成するよう学習されます。
Q3GANの訓練が不安定になる理由は何か。
- 生成器と判別器の損失均衡が脆弱で、モード崩壊やサドルポイント問題が発生
- 学習率が小さすぎる
- バッチサイズが大きい
- 活性化関数の選択
答えと解説を見る
正解：A
GANはバランスの難しいゼロサムゲームであり、実装に多くの工夫が必要です。
深層学習の問題をまとめて解いて、理解を確かめましょう（無料・登録不要）。
深層学習の練習問題を解く