【技术实现步骤摘要】
一种基于生成式对抗网络的函数拟合方法及装置
[0001]本专利技术涉及函数拟合
,更具体地说,涉及一种基于生成式对抗网络的函数拟合方法及装置。
技术介绍
[0002]函数拟合在数值计算中有着十分广泛的应用。如何近似地表示函数,是函数拟合涉及的基本问题。经典的函数拟合原理,理论分析严密,体系十分成熟。但许多拟合算法都有一些共同的缺点:计算量较大,适应性差,对模型和数据的要求比较高,依赖性强。
技术实现思路
[0003]本专利技术提供了一种基于生成式对抗网络的函数拟合方法及装置,解决现有技术计算量较大,适应性差,对模型和数据的要求比较高,依赖性强的问题。
[0004]为解决上述问题,一方面,本专利技术提供一种基于生成式对抗网络的函数拟合方法,包括步骤S1
‑
S7:S1、创建一随机函数以生成服从分布P
Noisedata
的随机数据Nx;S2、建立采样规则以得到服从真实数据整体分布P
Realdata
的真实采样数据Rx;S3、将所述真实采样数据Rx输入判别器D,训练判别器D以得到参数集合D
θ
;S4、将所述随机数据Nx输入生成器G,输出服从Pg分布的生成器采样数据Gx,并将生成器采样数据Gx输入至判别器D;S5、判断判别器D输出的值P(D(x))与预设的概率值的差值是否大于预设的阈值;若是,执行步骤S6,若否,转至步骤S7;S6、由判别器D得到的生成器梯度反馈到生成器G,转至步骤S3;S7、通过生成器G生成的样本Gx拟合服从 ...
【技术保护点】
【技术特征摘要】
1.一种基于生成式对抗网络的函数拟合方法,其特征在于,包括步骤S1
‑
S7:S1、创建一随机函数以生成服从分布P
Noisedata
的随机数据Nx;S2、建立采样规则以得到服从真实数据整体分布P
Realdata
的真实采样数据Rx;S3、将所述真实采样数据Rx输入判别器D,训练判别器D以得到参数集合D
θ
;S4、将所述随机数据Nx输入生成器G,输出服从Pg分布的生成器采样数据Gx,并将生成器采样数据Gx输入至判别器D;S5、判断判别器D输出的值P(D(x))与预设的概率值的差值是否大于预设的阈值;若是,执行步骤S6,若否,转至步骤S7;S6、由判别器D得到的生成器梯度反馈到生成器G,转至步骤S3;S7、通过生成器G生成的样本Gx拟合服从真实数据整体分布P
Realdata
的真实数据。2.根据权利要求1所述的函数拟合方法,其特征在于,步骤S2中,采样规则是随机采样,采样的数据个数为m。3.根据权利要求1所述的函数拟合方法,其特征在于,步骤S3包括步骤S31
‑
S32:S31、通过判别器D衡量生成器G生成的数据分布Pg与真实数据分布P
Realdata
之间的距离,用以表示生成器G产生样本的真实程度并输出一个概率值;S32、在生成器训练过程中通过判别器D提供梯度信息:d=D(
ˆ
x,D
θ
),d∈[0,1]其中D
θ
表示判别器D的参数集。4.根据权利要求1所述的函数拟合方法,其特征在于,步骤S4包括步骤S41
‑
S42:S41、定义生成器G为一个采样于随机变量N的随机值n为输入,具有参数集G
θ
的可微函数:g=G|
n~N(n,Gθ)
其中,G
θ
是生成器的参数集合;S42、接收所输入的随机噪声,通过生成器G输出一组符合真实数据整体分布P
Realdata
的数据,其中,真实数据的采样R(x,y)服从真实数据整体分布P
Realdata
,输入生成器G的随机噪声服从的分布P
Noisedata
,随机噪声采样N(x,y)服从分布P
Noisedata
。5.根据权利要求1至4任一项所述的函数拟合方法,其特征在于,其中:分布P
Noisedata
为均匀分布或者高斯分布。6.一种基于生成式对抗网络的函数拟合装置,其特征在于,包括:创建模块,用于创建一随机函数以...
【专利技术属性】
技术研发人员:戚建淮,韩丹丹,崔宸,唐娟,
申请(专利权)人:深圳市永达电子信息股份有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。