Sviluppo di un tool configurabile per il training di un Adversarial Autoencoder

Brolli, Sara (2017) Sviluppo di un tool configurabile per il training di un Adversarial Autoencoder. [Laurea], Università di Bologna, Corso di Studio in Informatica [L-DM270]
Documenti full-text disponibili:
[img] Documento PDF (Thesis)
Disponibile con Licenza: Creative Commons: Attribuzione - Non commerciale - Condividi allo stesso modo 3.0 (CC BY-NC-SA 3.0)

Download (4MB)

Abstract

Una interessante applicazione delle reti neurali è stata l’utilizzo delle stes- se come modelli generativi: algoritmi capaci di replicare la distribuzione dei dati in input allo scopo di poter poi generare nuovi valori a partire da tale distribuzione. Questa tesi analizza tre modelli particolarmente promettenti emersi negli ultimi anni: i Variational Autoencoder, le Generative Adversarial Network e una loro combinazione cioè gli Adversarial Autoencoder (AAE). Si espone l’implementazione di un tool a linea di comando che permette il training di un AAE e la generazione di immagini a partire da un modello già allenato, con anche la possibilità di personalizzare le caratteristiche delle reti neurali utilizzate.

Abstract
Tipologia del documento
Tesi di laurea (Laurea)
Autore della tesi
Brolli, Sara
Relatore della tesi
Scuola
Corso di studio
Ordinamento Cds
DM270
Parole chiave
Deep Learning,Autoencoding,Autoencoder,Variational Autoencoder,Generative Adversarial Network,Adversarial Autoencoder,Modelli generativi
Data di discussione della Tesi
11 Ottobre 2017
URI

Altri metadati

Statistica sui download

Gestione del documento: Visualizza il documento

^