Strojno učenje in podatki

Generativna adversarna omrežja so področje med nadzorovanim učenjem, ki temelji na zagotavljanju vhodnih podatkov, katerih ustrezni želeni izhodni podatki so znani (z namenom presoje razmerja med vhodom in izhodom, ki presega vzorce, zagotovljene za učenje) in nenadzorovanim učenjem.

Kadar so na voljo samo vhodni podatki (radi pa bi odkrili določene strukture v podatkih npr. število parametrov, ki jih označujejo), obstajajo mnogi drugi modeli, na primer polnadzorovano učenje, kjer mešamo podatke, pri katerih poznamo želeni izhod s tistimi, kjer izhoda ne poznamo, da bi združili oba pristopa.

To deluje tudi pri učenju relativnega položaja elementov na obrezani sliki. Vendar ne deluje za vse. Deluje vedno, ko najdete trik za samodejno ustvarjanje želenih vhodnih in izhodnih podatkov iz podatkov. To je nekakšno nenadzorovano učenje, ki samodejno generira podatke za paradigmo nadzorovanega učenja.