Что такое дцп ган в вот

  • Пожалуйста, авторизируйтесь для того, чтобы ответить


Всем привет!Кто ставил топ ствол на м-103. Как то не охото катать лишние 60к опыта за туже пушку которая стоит на е5

Да и пред топ ствол ниче так норм всех шьет

  • Наверх


  • Наверх



NUBYARA86 (28 Авг 2015 - 19:42) писал:

  • Наверх



  • Наверх


  • Наверх



Del__Piero (28 Авг 2015 - 17:48) писал:

- 4 в одном

  • Наверх



  • Наверх



FENRIR_94 (28 Авг 2015 - 19:50) писал:

Я понимаю что пробитие больше но можно е5 открыть и купить без открытие топ пушки

  • Наверх


  • Наверх



FEN_159RUS (28 Авг 2015 - 20:52) писал:

Это что то из кол-во боев

а ну да, поцан на опыте

  • Наверх



Tessai (28 Авг 2015 - 17:51) писал:

Но именно тебя они пробьют. Через пол карты. Не сводясь.


  • Наверх



FEN_159RUS (28 Авг 2015 - 17:52) писал:

Я понимаю что пробитие больше но можно е5 открыть и купить без открытие топ пушки

так и делай, сток пуха тож нормальная, гольду подмешивай.

Лекарственная форма

Форма выпуска, состав и упаковка

Жидкость оранжевого цвета, со специфическим запахом, имеющая кислую реакцию; легко смешивается с водой.

1 мл
глутаровый альдегид 50 мг
глиоксаль 50 мг
катаПАВ (алкилдиметилбензиламмония хлорид) 100 мг

Вспомогательные вещества: метиловый оранжевый - 0.2 мг, вода - до 1 мл.

Расфасована по 1 л в полимерные бутылки или по 5 л и 20 л в полиэтиленовые канистры с завинчивающимися крышками.

Фармакологические (биологические) свойства и эффекты

Дезинфицирующее средство ГАН обладает бактерицидным действием в отношении грамположительных и грамотрицательных бактерий , вирулицидной активностью (в т.ч. против вируса африканской чумы свиней) и фунгицидным действием.

По степени воздействия на организм ГАН относится к умеренно опасным веществам (3 класс опасности по ГОСТ 12.1.007-76). В рекомендуемых концентрациях не оказывает местнораздражающего и сенсибилизирующего действия. Рабочие растворы дезинфицирующего средства ГАН не обладают коррозионной активностью, не портят материалы обрабатываемых поверхностей, не вызывают коррозии металлов, не разрушают пластмассы, резину и другие материалы. Повышенная жесткость воды не снижает активности препарата.

Показания к применению препарата ГАН

Для проведения вынужденной и профилактической дезинфекции объектов ветеринарного надзора:

— животноводческие, птицеводческие и звероводческие помещения, находящееся в них технологическое оборудование, вспомогательные объекты (включая инкубатории, яйцесклады), молочные блоки и кормокухни, санитарно-техническое оборудование, санитарные бойни, убойные цеха и пункты, открытые объекты (рампы, эстакады, платформы), тару и спецодежду;

— производственные помещения, технологическое оборудование и территорию предприятий биологической, пищевой, перерабатывающей промышленности, а так же тару, спецодежду и предметы ухода за животными;

— транспортные средства (включая автомобильный, железнодорожный, водный и авиационный транспорт, используемый для перевозки животных и птицы, а также сырья и продукции животного происхождения);

— ветеринарные клиники (станции), лаборатории, виварии, цирки и зоопарки.

При вынужденной (текущей и заключительной) дезинфекции перечисленных выше объектов в случае инфекций, возбудители которых относятся к группе малоустойчивых (1 группа), устойчивых (2 группа) микроорганизмов (качество дезинфекции которых осуществляется по выделению кишечной палочки и стафилококков), и группе вирусов (вирус африканской чумы свиней).

Порядок применения

Перед проведением дезинфекции проводят механическую очистку и мойку помещений и оборудования.

Рабочие растворы готовят с учетом требуемой для целей дезинфекции концентрации и необходимого объема, путем добавления соответствующих количеств средства к водопроводной воде с температурой 8-25°С. При расчете концентрации рабочих растворов средство принимают за 100% вещество. Соотношение дезинфицирующего средства ГАН и воды при приготовлении рабочих растворов указано в таблице.

Концентрация рабочего р-ра, % Объем рабочего р-ра, л Требуемое количество
ГАН, л Вода, л
0.5 100 0.5 99.5
1 100 1 99
2 100 2 98
4 100 4 96

Профилактическую дезинфекцию объектов ветеринарного надзора проводят, применяя 0.5% раствор при норме расхода 0.25 л/м 3 и экспозиции 3 ч.

Вынужденную (текущую и заключительную) дезинфекцию объектов ветнадзора проводят, применяя 1% раствор при норме расхода 0.5 л/м 3 и экспозиции 24 ч.

При всех видах дезинфекции при обработке методом орошения или протирания элементов из пористых материалов (неокрашенное дерево, цемент, резина) норму расхода увеличивают до 0.6 л/м 2 , нанося раствор с нормой расхода 0.3 л/м 2 двукратно с интервалом 60 мин.

Профилактическую и вынужденную дезинфекцию кормушек, поилок и другого съемного оборудования в звероводческих хозяйствах проводят методом их погружения в 0.5% раствор препарата. Соотношение объема раствора и обрабатываемых материалов 2:1. Экспозиция 1-2 ч в зависимости от вида дезинфекции. После окончания дезинфекции кормушки, поилки и оборудование промывают теплой водой, помещения проветривают и просушивают.

При особо опасных инфекционных заболеваниях , в т.ч. при африканской чуме свиней, рекомендуется однократная обработка путем орошения 2% раствором дезинфицирующего средства ГАН при норме расхода 0.5 л/м 2 с экспозицией 6 ч или 4% раствором средства ГАН при расходе 0.3 л/м 2 и экспозиции не менее 1 ч и выше.

Дезинфекцию (профилактическую или вынужденную) методом аэрозольного распыления рабочего раствора ГАН в виде тумана осуществляют при выключенной вентиляции с помощью генератора тумана или другого подобного оборудования.

Рабочий раствор для аэрозольной дезинфекции готовят путем разведения препарата из расчета 1 часть дезинфицирующего средства ГАН на 9 частей воды (10% раствор). Приготовленный рабочий раствор используют в течение суток при норме расхода 10 мл/м 3 . Рабочий раствор (10%) распыляют при выключенной вентиляции с экспозицией 24 ч.

После окончания аэрозольной дезинфекции кормушки, поилки и оборудование промывают теплой водой, помещения проветривают и просушивают.

Возможна локальная дезинфекция отдельных, свободных от животных стойл, клеток, единиц оборудования, инвентаря и участков поверхностей при обеспечении интенсивной вентиляции и отсутствия людей и животных в непосредственной близости к обрабатываемым объектам. Обработку следует проводить 0.5% раствором ГАН методом спрея, генерирования пены, замачивания или методом протирания поверхности.

Дезбарьеры или дезоковрики заправляют 1% раствором ГАН. Замену дезинфицирующего раствора производят по мере необходимости, но не реже чем 2-3 раза в 7 дней.

Контроль качества дезинфекции проводят в соответствии с методикой, изложенной в действующих "Правилах проведения дезинфекции и дезинвазии объектов государственного ветеринарного надзора" (2002 г). В качестве нейтрализатора используют 0.1% раствор бисульфита натрия.


Всем привет!
Хочу поделиться тестами нового продукта GAN GA+, на Каптиву ставил аналогичный продукт RSChip, отъездил с ней 4 года, ничего плохого с машиной не случилось, а разница в поведении машины есть.

Итак, взял я на тест самую навороченную версию с подключением к смартфону по Блютус, к машине она конектится в разъем OBD II.
По факту получается, что вы покупаете голую болванку под любую машину. А уже при коннекте с авто (по ОБД), выбираете модель авто и вариацию двигателя. После этого в бокс, с телефона(по воздуху), загружается программное обеспечение. Получается, данный бокс можно использовать на разных машинах. Можно и у друга затестить и перепродать по желанию…
Комплект и меню выбора на смартфоне:



Так это выглядит после установки, ногам не мешается совершенно.


В момент настройки у меня были какие-то непонятки, то программка подвисла, то коннект потеряла, но в общем ничего страшного, все работает. О проблемах написал в тех.поддержку, а у программы вышел апдейт.

Теперь о главном!
Есть два режима Тюнинга, это Спорт и Эко.
Я собирался написать два поста, по каждому режиму… но, если со Спорт все понятно, то с Эко есть вопросы.

Спорт
Сперва, по ощущениям, разницу я не особо заметил. Машина хорошо ехала до, машина хорошо едет и после. Но чуть позже, мне стало казаться, что машина реально стала более дерзкая, резкая!
Голословить я не собирался, потому подготовился и установил на смартфон прогу для замера ускорения 0-100 по данным GPS.
До установки бокса, лучшее время

8.34 сек
После установки, лучшее время 7.41 сек
Но тут не все однозначно, показатели скачут и на сколько им можно доверять не понятно.

10.07 — без бокса
11.07 — с боксом, первые тесты без обкатки
13.07 — обкатал устройство, первый тест 7.43сек по прямой, остальные чутка в горку.
23.07 — похожие условия с 13.07



По ощущениям, разница в динамике есть и она в лучшую сторону, но на сколько, сказать сложно. Еще покатаюсь, расскажу.
Кстати, чудес не произошло, расход не упал, по городу у меня 16 литров, правда это учитывая тесты и что-то ездить я стал резвее…

Эко
Думаю, этот режим тоже привлечет многих, кому хочется сбавить расход бензина!
Но, тут все неоднозначно… по ощущениям, машина стала более спокойная, на педаль реагирует куда неохотнее, но низкого показателя среднего расхода мне получить не удалось, возможно я мало проехал.
Данный режим я решил проверить на долгой поездке в подмосковье, г.Коломна, общий путь получился около 150км (выезд из города, трасса, чутка пробок, город).
И вот, что интересно, пока я ехал, показатель Остаточного пути по борт.компу постоянно увеличивался, до самого конца поезди, но показания среднего расхода упали незначительно с 16.6 до 16.3.
Вопрос: сколько необходимо проехать, что бы данные пересчитались или как обнулить показания и сделать замеры с чистого листа?

Режим Эко продолжаю тестить, обязательно отпишусь…
UPD 07.08
Режим Эко показывает сомнительные результаты,
100 км в одну сторону с Эко = 12.3л, стиль езды весьма спокойный
100 км обратно без коробки = 12.9л, стиль агрессивный, уж очень домой хотелось.

Причем с Эко моментальный расход подпрыгивал до 45л, без коробки такого замечено не было.

UPD 07.11.18
Прошел год, езжу с этой коробочкой, все в норме, по варику и двигателю ошибок нет.
По динамике, сравнивал недавно еще раз до и после, есть разница в поведении, но есть ощущение, что эта штучка чуть больше дожимает педаль, ибо на замерах не сильно сказывается. Но блин, хрен поймешь, все равно есть ощущение лучшей динамики.
По расходу, если езжу только по городу расход очень большой до 20л (думал что за фигня, снимал коробочку, расход был и за 20)
Ездили в Тулу 478км туда обратно, 4 взрослых, расход 10.5л


Купил вафлю по скидке и обнаружил что с пушкой Pak L/29.5 что то не так с увн. Я понимаю спереди вниз она не опускается из за конструктивных особенностей, но вверх поднимается вполне прилично. На борт как и у всех немцев орудие гнётся вниз лучше, но почему оно совсем не поднимается вверх? Это какой то косяк разрабов или так и должно быть? Как там в бб у вафли такие же увн?

У другого орудия с альфой в 460 увн на борта и назад вполне нормальные. Мне не понятно вот у одного орудия с меньшей альфой лучшая точность и чуть больше скорострельность. А у д.ц.п гана большая альфа, но хуже скорострельность, больше разброс. Разрабам показалось этого мало и сделали такие убогие увн? Сделал пару скринов где видны границы насколько мизерные увн на борта и назад. Если это не баг то в чём преимущество вафли перед борщём, только в чуть большем хп? Почему танк 8 лвл гораздо лучше девятки?

  • Наверх


я об этом писал уже, (и до меня писали) вафля это творчество кб имени буркатовского, читай фантазия разрабов, изза высокого двигательного отсека когда ствол смотрит назад он не поднимается вверх, но хорошо гнется вниз, аналогично когда смотрит ствол вперед - он хорошо поднимается вверх но не гнется вниз, когда же ствол смотрит влево/вправо от осевой, ему ничего не мешает нормально подниматся вверх, благо на скорострельной пушке все ок

скорее всего имело быть место кривая разработка модели, криворукий забалансил, а разбираться и чтото делать всем уже лень и пофигу, причем скорее всего еще в бб версии накосячили, а сюда перенесли копипастом

вопрос задавал не единожды, разрабы просто молчат

посему вафлю прокачал, продал и забыл, борщ кстати оставил) там таких проблем нет)

  • Наверх



Player_7815018463 (19 Ноябрь 2016 - 23:49) писал:

Купил вафлю по скидке и обнаружил что с пушкой Pak L/29.5 что то не так с увн. Я понимаю спереди вниз она не опускается из за конструктивных особенностей, но вверх поднимается вполне прилично. На борт как и у всех немцев орудие гнётся вниз лучше, но почему оно совсем не поднимается вверх? Это какой то косяк разрабов или так и должно быть? Как там в бб у вафли такие же увн?

У другого орудия с альфой в 460 увн на борта и назад вполне нормальные. Мне не понятно вот у одного орудия с меньшей альфой лучшая точность и чуть больше скорострельность. А у д.ц.п гана большая альфа, но хуже скорострельность, больше разброс. Разрабам показалось этого мало и сделали такие убогие увн? Сделал пару скринов где видны границы насколько мизерные увн на борта и назад. Если это не баг то в чём преимущество вафли перед борщём, только в чуть большем хп? Почему танк 8 лвл гораздо лучше девятки?

Выкупишь Гриль15 и поймешь какой до него был удобный танк

  • Наверх



Player_7815018463 (19 Ноябрь 2016 - 23:49) писал:

Купил вафлю по скидке и обнаружил что с пушкой Pak L/29.5 что то не так с увн. Я понимаю спереди вниз она не опускается из за конструктивных особенностей, но вверх поднимается вполне прилично. На борт как и у всех немцев орудие гнётся вниз лучше, но почему оно совсем не поднимается вверх? Это какой то косяк разрабов или так и должно быть? Как там в бб у вафли такие же увн?

У другого орудия с альфой в 460 увн на борта и назад вполне нормальные. Мне не понятно вот у одного орудия с меньшей альфой лучшая точность и чуть больше скорострельность. А у д.ц.п гана большая альфа, но хуже скорострельность, больше разброс. Разрабам показалось этого мало и сделали такие убогие увн? Сделал пару скринов где видны границы насколько мизерные увн на борта и назад. Если это не баг то в чём преимущество вафли перед борщём, только в чуть большем хп? Почему танк 8 лвл гораздо лучше девятки?

Это конструктивная особенность данного танка и данного орудия

Преимущество танка можно обсудить в этом разделе

Новая технология CoolGaN™ компании Infineon позволяет создавать самые устойчивые на сегодняшний день GaN-транзисторы с высокой производительностью. Комбинируя эти устройства с изолированными драйверами затвора EiceDRIVER™, в состав которых входят трансформаторы без сердечников, разработчики силовой электроники получают возможность создавать преобразователи с более высокой производительностью, чем при использовании стандартных кремниевых транзисторов.

Нитрид галлия (GaN) – полупроводник с широкой запрещенной зоной, относящийся к той же категории, что и карбид кремния (SiC). В настоящее время для производства приборов используют готовые недорогие кремниевые подложки и формируют на них эпитаксиальные GaN-структуры - транзисторы с высокой подвижностью электронов (HEMT).



Рис.1. Поперечное сечение 600-В силового транзистора CoolGaN™

На рисунке 1 показано поперечное сечение транзистора CoolGaN™ на основе такой структуры. Поскольку у нитрида галлия и кремния – разные периоды кристаллической решетки и коэффициенты теплового расширения, сначала создаются переходные слои, которые являются подходящей основой для выращивания GaN-слоев. На поверхности раздела между слоями GaN и AlGaN формируется тонкий слой из свободных электронов, или т.н. двумерный электронный газ (2DEG). Этот слой обладает очень высокой проводимостью благодаря исключительно высокой подвижности электронов. Для изготовления транзистора необходимо установить электроды стока и истока. Структура затвора создает локальное электрическое поле, которое обедняет или обогащает слой 2DEG, таким образом отключая или включая проводящее состояние . Затвор на основе материала GaN p-типа в основном используются для создания приборов, работающих в режиме обогащения, а не обеднения. Другими словами, такой ключ нормально закрыт, а его пороговое напряжение составляет около 1,4 В.

В структуре затвора применяются диоды. В результате использования в затворе титана и материала p-GaN образуется омический контакт, расположенный между затвором и истоком последовательно GaN-диоду. Напряжение в точке перегиба вольтамперной характеристики этого диода в прямом направлении равно примерно 3,5 В. Кроме того, в GaN-транзистор интегрированы три последовательных GaN-диода для защиты затвора от электростатического разряда (ESD). Эти диоды начинают ограничивать напряжение затвор–исток, если оно становится меньше –10 В. Напряжение затвора CoolGaN™ регулируется в прямом и обратном направлениях, что обеспечивает высокую стойкость транзистора и защиту от превышения напряжения.

Приложения, в которых GaN обеспечивает максимальную эффективность

Первое, что может прийти в голову разработчику силовой электроники, – заменить имеющиеся транзисторы CoolMOS™ новым GaN-устройством, чтобы определить, насколько эффективнее оно работает. Однако часто эта замена разочаровывает, поскольку лишь в небольшой мере уменьшаются коммутационные потери. Это обусловлено тем, что схемы, в которых обычно применяются транзисторы CoolMOS™, представляют собой однополярные топологии вроде традиционной схемы повышающего корректора коэффициента мощности (ККМ), несимметричного обратноходового или двухтранзисторного прямоходового преобразователя. В этих топологиях, как правило, транзистор проводит только в прямом направлении. Следовательно, об эффективности внутреннего диода речь не идет, поскольку транзистор никогда не проводит в третьем квадранте. Единственными параметрами, которые следует учитывать помимо RDS(on), являются потери энергии при включении EOSS и скорость коммутации. Таким образом, небольшое преимущество GaN-транзистора в этом отношении не играет существенной роли – технология CoolMOS™ уже хорошо опробована и занимает свое почетное место в этих приложениях.

В каких же тогда системах GaN-транзисторы имеют наибольшие преимущества? Считается, что, главным образом, в ВЧ-системах. Однако очень высокая эффективность обеспечивается в полумостовых топологиях даже при небольшой рабочей частоте величиной 65 кГц. На рисунке 2 показана полномостовая топология ККМ с выходным двухтранзисторным каскадом, которая используется в исходном проекте Infineon с GaN ККМ мощностью 2,5 кВт.



Рис. 2. Полномостовая топология ККМ с выходным двухтранзисторным каскадом

В режиме непрерывной проводимости (CCM) транзисторы Q1 и Q2 работают попеременно как повышающий ключ и синхронный выпрямитель в условиях жесткой коммутации. Если бы стандартные кремниевые высоковольтные силовые транзисторы использовались вместо Q1 и Q2, из-за характеристики обратного восстановления их паразитных внутренних диодов возникали бы существенные коммутационные потери, приводящие к повреждению устройств. Однако у GaN-транзисторов – нулевое обратное восстановление, поскольку отсутствуют неосновные носители заряда, участвующие в канальной проводимости. Таким образом, коммутационные потери достаточно низки особенно потому, что выходная емкость и соответствующая энергия меньше, чем обеспечивают все конкурирующие транзисторные технологии.

Потери настолько малы, что КПД схемы ККМ, показанной на рисунке 6, превышает 99% в наибольшей части диапазона выходной мощности, что видно из рисунка 3. Действительно, пиковый КПД величиной 99,3% – необычно высокий показатель. При выходной мощности 1 кВт потери составляют всего 7 Вт. Схема ККМ исходного проекта от Infineon отражает практическую ситуацию, отвечая всем стандартным требованиям к ККМ, в т.ч. требованиям EN5022 к испытаниям на стойкость к кондуктивным ЭМП, молниевым разрядам и отсутствию линейного режима.



Рис. 3. Результаты измерения эффективности демо-платы с ККМ с выходным двухтранзисторным GaN-каскадом мощностью 2500 Вт

К настоящему времени к числу новых GaN-транзисторов компании Infineon относятся устройства IGx70R060D1 (600-В 70-мОм), которые выпускаются в четырех разных корпусах для поверхностного монтажа, включая охлаждаемые с верхней и тыльной сторон DSO, TOLL и DFN размером 8×8 мм. 190-мОм GaN-транзисторы изготавливаются в корпусах TOLL. Ожидается, что в ближайшее время эта продуктовая линейка пополнится транзисторами с сопротивлением 35 и 340 мОм, которые будут выпускаться в тех же четырех корпусах.


Генеративно-состязательная нейросеть (Generative adversarial network, GAN) — архитектура, состоящая из генератора и дискриминатора, настроенных на работу друг против друга. Отсюда GAN и получила название генеративно-созтязательная. В случае работы с изображениями, во всем остальном — это сверточная нейронная сеть.

GAN были впервые представлены в работе 2014-го года Ian’a Goodfellow’a и других исследователей университета Монреаля, включая Yoshua Bengio. Директор Facebook по исследованиям искусственного интеллекта Yann LeCun назвал состязательную тренировку сетей “самой интересной идеей в машинном обучении за последние 10 лет”.

Вряд ли вы подумаете, что программиста можно назвать артистом, но, на самом деле, программирование это очень творческая профессия. Творчество, основанное на логике — John Romero

Потенциал GAN огромен, поскольку они имитируют любое распределение данных. GAN обучают создавать структуры, устрашающе похожие на сущности из нашего мира в области изображений, музыки, речи, прозы. Генеративно-состязательные сети, в некотором смысле, роботы-художники, и результат их работы впечатляет.


Реалистичные изображения несуществующих знаменитостей, созданные с помощью GAN

Рассмотрим, как работают алгоритмы дикриминатора и генератора.

Дискриминатор

Дискриминационные алгоритмы пытаются классифицировать входные данные. Учитывая особенности полученных данных, они стараются определить категорию, к которой они относятся.

Итак, дискриминационные функции сопоставляют образы с категорией. Они заняты только этой корреляцией.

Генератор

Генеративные алгоритмы заняты обратным. Вместо того, чтобы предсказывать категорию по имеющимся образам, они пытаются подобрать образы к данной категории.

В то время как дискриминационные алгоритмы волнует взаимосвязь между y и x, генеративные алгоритмы волнует “откуда берутся x”. Они позволяют находить p(x|y), вероятность x при данном y или вероятность образов при данном классе (генеративные алгоритмы также могут использоваться в качестве классификаторов. Они могут делать больше, чем классифицировать входные данные.)

Еще одно представление о работе генеративных алгоритмов можно получить, разделяя дискриминационные модели от генеративных таким образом:

  • Дискриминационные модели изучают границу между классами;
  • Генеративные модели моделируют распределение отдельных классов.

Как работают GAN

Одна нейронная сеть, называемая генератором, генерирует новые экземпляры данных, а другая — дискриминатор, оценивает их на подлинность; т.е. дискриминатор решает, относится ли каждый экземпляр данных, который он рассматривает, к набору тренировочных данных или нет.

Предположим, мы пытаемся сделать что-то более банальное, чем повторить портрет Моны Лизы. Мы сгенерируем рукописные цифры, подобные тем, что имеются в наборе данных MNIST. Цель дискриминатора — распознать подлинные экземпляры из набора.

Между тем, генератор создает новые изображения, которые он передает дискриминатору. Он делает это в надежде, что они будут приняты подлинными, хотя являются поддельными. Цель генератора состоит в том, чтобы генерировать рукописные цифры, которые будут пропущены дискриминатором. Цель дискриминатора — определить, является ли изображение подлинным.

Шаги, которые проходит GAN:

  • Генератор получает рандомное число и возвращает изображение.
  • Это сгенерированное изображение подается в дискриминатор наряду с потоком изображений, взятых из фактического набора данных.
  • Дискриминатор принимает как реальные, так и поддельные изображения и возвращает вероятности, числа от 0 до 1, причем 1 представляет собой подлинное изображение и 0 представляет фальшивое.

Таким образом, у есть двойной цикл обратной связи:

  • Дискриминатор находится в цикле с достоверными изображениями.
  • Генератор находится в цикле вместе с дискриминатором


Вы можете представить GAN как фальшивомонетчика и полицейского, играющих в кошки мышки, где фальсификатор учится изготавливать ложные купюры, а полицейский учится их обнаруживать. Оба динамичны; т. е. полицейский тоже тренируется (возможно, центральный банк отмечает пропущенные купюры), и каждая сторона приходит к изучению методов другого в постоянной эскалации.

Сеть дискриминаторов представляет собой стандартную сверточную сеть, которая может классифицировать изображения, подаваемые на нее с помощью биномиального классификатора, распознающего изображения как реальные или как поддельные. Генератор в некотором смысле представляет собой обратную сверточную сеть: хотя стандартный сверточный классификатор принимает изображение и уменьшает его разрешение, чтобы получить вероятность, генератор принимает вектор случайного шума и преобразует его в изображение. Первый отсеивает данные с помощью методов понижения дискретизации, таких как maxpooling, а второй генерирует новые данные.


Обе сети пытаются оптимизировать целевую функцию или функцию потерь в игре zero-zum. Это, по сути, модель актера-критика (actor-critic). Когда дискриминатор меняет свое поведение, то и генератор меняет, и наоборот.

Автокодеры и VAE

Полезно сравнить генеративные состязательные сети с другими нейронными сетями, такими как автокодеры (автоэнкодеры) и вариационные автокодеры.

Автокодеры кодируют входные данные в векторы. Они создают скрытое или сжатое представление необработанных данных. Они полезны при уменьшении размерности: вектор, служащий в качестве скрытого представления, сжимает необработанные данные в меньшее количество. Автокодеры могут быть сопряжены с так называемым декодером, который позволяет восстанавливать входные данные на основе их скрытого представления, как и в случае с машиной Больцмана.


Вариационные автокодеры являются генеративным алгоритмом, который добавляет дополнительное ограничение для кодирования входных данных, а именно то, что скрытые представления нормализуются. Вариационные автокодеры способны сжимать данные как автокодеры и синтезировать данные подобно GAN. Однако, в то время как GAN генерируют данные детализовано, изображения, созданные VAE, бывают более размытыми. Примеры Deeplearning4j включают в себя как автокодеры, так и вариационные автокодеры.

Вы можете разделить генеративные алгоритмы на три типа, которые имея:

  • категорию, предсказывают связанные функции (Naive Bayes);
  • скрытое представление, предсказывают связанные функции (VAE, GAN);
  • некоторые образы, предсказывают остальное (inpainting, imputation);

Советы по обучению GAN

Когда вы тренируете дискриминатор, удерживайте значения генератора постоянными; и когда вы тренируете генератор, удерживайте дискриминатор на одном уровне. Каждый должен тренироваться против статичного противника. Например, генератору это позволит лучше считывать градиент, по которому он должен учиться.

Точно так же предварительная тренировка дискриминатора против MNIST будет способствовать установлению более четкого градиента.

Каждая часть GAN может одолеть другую. Если дискриминатор слишком хорош, он будет возвращать значения очень близкие к 0 или к 1, так что генератор будет испытывать трудности в чтении градиента. Если генератор слишком хорош, он будет постоянно использовать недостатки дискриминатора, приводящие к неправильным негативам.

GAN требуют много времени на тренировку. На одном GPU тренировка может занимать часы, а на одном CPU — более одного дня. Несмотря на сложность настройки и, следовательно, использования, GAN стимулировали создание многих интересных исследований и статей, например:

Просто покажите код

Вот пример GAN, запрограммированной в библиотеке Keras, из которой модели могут в дальнейшем быть импортированы в Deeplearning4j.

Читайте также:

Пожалуйста, не занимайтесь самолечением!
При симпотмах заболевания - обратитесь к врачу.