神经网络预测大量数据 必赢亚洲手机版网址(5)

花费大量的人力物力到各个渠道做活动宣传、APP曝光，甚至不断地砸钱投广告，收效却并不明显，无法吸引到真正有价值的精准用户下载APP，很大原因就在于渠道的不精准。比如，游戏类APP跑到美食类论坛、平台做宣传，美食类APP跑到股票类平台投广告等等，本身就是渠道选择上的失误，面对的用户并不是自己APP的目标受众，做再多的推广都是无用功。

（编者注：这里Goodfellow又回头接着讲PPT上的内容）GANs还有一个很酷的应用是，对画家进行自动辅助。你也许不擅长绘画，但有了这个GANs辅助绘图软件，你只需画这么一个三角，GANs会自动搜索有相似特点的图像，然后在你画的三角区域，填充山丘的纹理；并在你画的绿色波浪那里，填充青草的纹理。

编者按：昨天，雷锋网根据IanGoodfellow演讲视频的前20分钟整理出《“GANs之父”Goodfellow38分钟视频亲授：如何完善生成对抗网络？（上）》，其中Goodfellow主要讲述了什么是GAN和DCGANs、模型崩溃、小批量特征、文本转图像等问题。本文是后18分钟视频的内容，主要是Goodfellow回答网友提问，总共有11个问题。本文由雷锋网三川、亚萌联合编译。

比如：一款生鲜电商类APP，提供的商品品类、资讯消息、活动等内容，一定是有关水果、蔬菜、肉类、海鲜等未经烹调、制作等深加工过程，只做必要保鲜和简单整理上架而出售的初级产品；如果在APP中加入服装这样的品类或信息，就显得不伦不类，内容杂乱，无法做到精准化运营。

综上所述，精准化的APP内容运营，应该是在APP定位的基础上提供满足用户需求的内容。

这个问题的另外一个方面是：DBN和GANs的效果或者学习区别是什么。DBN基于统计物理学的模型，你写下一个能量函数（energyfunction），来描述不同图片的相似度。如果一个图像的能量较低，那么更可能发生。这类似于山上的岩石。滚到山脚的石头比山顶的石头有更低的能量，这是由于重力。所以在山脚发现大堆石头的可能性更大。DBN的难点在于，很多必需的、模拟物理定律的计算变得非常复杂，所以它扩展到大型彩像的效果不好。对于类似EMNest的应用，它效果很好。但在Imagenet上，DBN还不能产生有竞争力的结果。

如何在GANs里生成反馈回路（FeedbackLoop）？

APP内容运营的精准化符合APP定位、针对明确目标人群的内容，就是精准的APP内容。

高效训练GANs的难点在哪？如何解决？

GANs能否用于数据压缩？

反馈回路：输入→输出→输入（照此循环）

你之前提到GANs无法将纹理和肢体有效结合起来的问题，那么你认为解决方案是什么？

主要的困难是模型崩溃，以及寻找模型均衡点（equilibrium）的相关问题。

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/jisuanjixue/article-54725-5.html