記事「知っておくべきMQL5ウィザードのテクニック（第22回）：条件付きGAN」についてのディスカッション

[MetaQuotes]

新しい記事「知っておくべきMQL5ウィザードのテクニック（第22回）：条件付きGAN」はパブリッシュされました:

敵対的生成ネットワーク(GAN: Generative Adversarial Network)は、より正確な結果を得るために、互いに訓練し合うニューラルネットワークのペアです。ExpertSignalクラスにおける金融時系列の予測への応用の可能性を考慮し、これらのネットワークの条件型を採用します。

敵対的生成ネットワーク(cGAN)はGANの一種で、生成ネットワークの入力データの種類をカスタマイズできます。共有されたリンクから、またこのテーマについて読むとわかるように、GANは生成器と識別器の一対のニューラルネットワークです。両者は互いに訓練されるか、または互いに訓練し合います。生成器はターゲット出力の生成能力が向上し、一方、識別器は生成器からのデータ (別名、偽データ) を識別するように訓練されます。

この応用は、通常、画像分析で使用されます。画像分析では、生成器ネットワークを使用して画像を作成し、識別器ネットワークは、入力として与えられた画像が生成器ネットワークによって作成されたものか、実際のものかを特定します。相互訓練は、識別器生成器の画像と実際の画像を交互に入力することでおこなわれ、他のネットワークと同様に、バックプロパゲーションによって識別器の重みが適切に調整されます。一方、生成器は、非条件または典型的な設定では、ランダムな入力データが与えられ、これに関係なく、可能な限り現実的な画像を生成することになっています。

条件付きGANの設定(cGAN)では、ランダムなデータではなく、ある種のデータを入力として生成ネットワークに与えるという若干の変更を加えます。これは、識別器に入力するデータが対になっていたり、2つの部分に分かれていたりする場合に有効で、識別器ネットワークの目的は、入力された対のデータが有効かでっち上げかを判別することです。

作者: Stephen Njuki