GANs – GENERATIVE ADVERSARIAL NETWORKS
definitions ans applications
DOI:
https://doi.org/10.31510/infa.v20i2.1800Keywords:
. Artificial intelligence, Machine Learning, Deep LearningAbstract
The use of Generative Adversarial Networks - GAN - by discovery and learning standard in datasets wich will bring inovation and change in several aplications. It's a models that uses two neural networks, one generator and one decrimantor, to create data that resembles the original data. They learn the distribution of probabilities of the original data and compete with each other to generate quality and diverse data. Their use with the same type of data allows eficate results in the most diverse fields, be it in art, in entertainment, in data analysis or in medicine, their evolution grows every day. This research aims to analyse the Generative Adversarial Network (GAN), its concept and challenges in its application. The research used went the bibliografic, exploring many academic cientific works. Their results see possibilities of development of more various tools and application in areas diverse, making this tool a promissor instrument of new generative technologies.
Downloads
Metrics
References
C. Ledig et al..Photo-realistic single image super-resolution using a generative adversarial network. IEEE Conf. Comput. Vis. Pattern Recognit. (CVPR), Jul. 2017, pp. 105–114. DOI: https://doi.org/10.1109/CVPR.2017.19
DATA SCIENCE ACADEMY. Deep Learning Book. Redes Neurais, 2022. Disponível em: https://www.deeplearningbook.com.br/?s=redes+neurais. Acesso em: 17 Setembro 2023.
DE LA TORRE, JORDI. Redes Generativas Adversarias (GAN) fundamentos teóricos y aplicaciones. Pesquisa. Ph.D. in computer Science (ML/AI). Universitat Oberta de Catalunya, Barcelo, ES. 2023.
FACHIN, Odília. Fundamentos de Metodologia. 5.ed. São Paulo.Saraiva, 2006.
FURTADO, MARIA INÊS VASCONCELLOS. Redes Neurais Artificiais: Uma abordagem para sala de aula. Ponta Grossa, PR: Atena Editora, 2019.
GERHARDT, T. E; SILVEIRA, D. T. Métodos de Pesquisa. 1. ed. Rio Grande do Sul: Editora da UFRGS, 2009.
GIL, A.C. Como elaborar projetos de pesquisa. São Paulo: Atlas, 2002.
GUI, JIE ET AL. A review on generative adversarial networks: Algorithms, theory and application. Journal of latex class files. Vol 14, no. 8, august 2015.
JOANGUETE, C. O poder das mentiras digitais: a ameaça das deepfakes para a sociedade. Editora Dialética. 2023. DOI: https://doi.org/10.48021/978-65-252-9402-5
LEANDRO, J.J.G. Deepfake: explorando técnicas de detecção de manipulação digital de imagens de faces. Monografia. USP-Universidade de São Paulo, São Carlos.2022.
LEÃO, E. T.; FIGUEIREDO, R. C. Um estudo comparativo sobre redes adversárias generativas. Trabalho de conclusão de curso. Universidade Federal do Rio de Janeiro, Rio de Janeiro, 2022.
MARIZ, LUCAS FREITAS. Redes Geradoras Adversárias em geração de imagens. Trabalho de Conclusão de curso. Universidade de Brasília, Brasília, 2023.
MENDES, PEDRO HENRIQUE RODIRGUES. Geração de música polifônica utilizando redes neurais artificiais. Pesquisa científica de pós-graduação. UNICEUB, Centro Universitário de Brasília. Brasília, 2020. DOI: https://doi.org/10.5102/pic.n0.2019.7437
PAN, Zhaoqing; YU, Weijie; YI, Xiaokai; KHAN, Asifullah; YUAN, Feng; ZHENG, Yuhui. Recent Progress on Generative Adversarial Networks (GANs): A Survey. IEEAccess - Open Access Journal, march 2019. DOI: https://doi.org/10.1109/ACCESS.2019.2905015
RODRIGUES, MATEUS FRANCO. Geração de dados sintéticos utilizando redes neurais artificiais. Trabalho de conclusão de curso. Universidade Federal do Ceará, 2021.
REIS, RAFAEL LOPES CONDE DOS. Seleção de portfólios usando redes neurais adversárias generativas para a modelagem do processo estocástico de retornos. Dissertação de mestrado. UFRJ-Universidade Federal do Rio de Janeiro, Rio de Janeiro, 2019.
SANTOS, Jonathan da Silva. Geração e aplicação de imagens sintéticas da região dos olhos para o aumento de performance de técnicas da detecção do estrabismo. Dissertação de Mestrado. Universidade Presbiteriana Mackenzie. São Paulo, 2020.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2024 Revista Interface Tecnológica
This work is licensed under a Creative Commons Attribution 4.0 International License.
Os direitos autorais dos artigos publicados pertencem à revista Interface Tecnológica e seguem o padrão Creative Commons (CC BY 4.0), que permite o remixe, adaptação e criação de obras derivadas do original, mesmo para fins comerciais. As novas obras devem conter menção ao(s) autor(es) nos créditos.
.jpg)
1.png)
1.png)