Apprentissage Profond Génératif

L’apprentissage profond génératif est une branche de l’apprentissage profond qui se concentre sur la génération de nouvelles données à partir de distributions de probabilité. Les modèles APG apprennent à générer des échantillons réalistes à partir d’un ensemble de données d’entraînement, ce qui les rend utiles pour la création de contenu synthétique, la réalisation de simulations et d’autres applications créatives.

Exemple : Les réseaux antagonistes génératifs (GAN) sont une architecture populaire d’apprentissage profond génératif utilisée pour créer des images réalistes, des vidéos et même des textes en apprenant à générer des données indiscernables des données réelles.

Retourner à l'index du lexique