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

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.