1. ジェネレータ（Generator）
ジェネレータは、ランダムなノイズベクトル（通常は正規分布に従う乱数）からデータを生成するネットワークです。ジェネレータの目標は、ディスクリミネータを騙すようなリアルなデータを生成することです。
- 入力: ランダムなノイズベクトル
- 出力: 生成されたデータ（例えば、画像）
ジェネレータの損失関数は、ディスクリミネータが生成データを「本物」と誤認する確率を最大化するように設計されています。
2. ディスクリミネータ（Discriminator）
ディスクリミネータは、データが本物（実際のデータセットのデータ）か偽物（ジェネレータが生成したデータ）かを判別するネットワークです。ディスクリミネータの目標は、生成データと実際のデータを正確に識別することです。
- 入力: 実際のデータまたはジェネレータが生成したデータ
- 出力: 本物か偽物かの判定（通常は確率）
ディスクリミネータの損失関数は、本物のデータに対して「本物」と判定し、偽物のデータに対して「偽物」と判定する確率を最大化するように設計されています。
GANの学習プロセス
- ジェネレータの訓練: ランダムなノイズベクトルからデータを生成し、そのデータをディスクリミネータに入力します。ディスクリミネータが生成データを「本物」と誤認するようにジェネレータを調整します。
- ディスクリミネータの訓練: 実際のデータとジェネレータが生成したデータの両方をディスクリミネータに入力し、それぞれを正しく判別できるようにディスクリミネータを調整します。
- 反復: ジェネレータとディスクリミネータを交互に訓練し、両者が競い合うことで、ジェネレータはよりリアルなデータを生成し、ディスクリミネータはそれを識別する能力を高めます。
まとめ
GANの学習では、以下の2つのネットワークが競い合います：
- ジェネレータ（Generator）: ランダムなノイズからリアルなデータを生成する。
- ディスクリミネータ（Discriminator）: 入力データが本物か偽物かを判別する。
この競争的なプロセスにより、ジェネレータはますますリアルなデータを生成できるようになり、ディスクリミネータはそのデータを識別する能力を向上させます。
