Arquitectura

[a-ceron]

Resumen

En el siguiente issue se colocará la arquitectura que se pretende usar, esta arquitctura se basará en tener en mente la forma que se tendrá GAN, y la segunda será la arquitectura que se usará en el entrenamiento.

[a-ceron]

Imágenes de galaxias: Se tienen dos conjuntos de datos:

1. Un conjunto de datos de galaxias +40,000 elementos.
2. Un conjutno de datos -1,000 elementos de galaxía con efecto.

[a-ceron]

minerGAN

El modelo contiene un miner, un generador $G$ y un discriminador $D$.

• Se usa una distribución Gausina para el miner. $N(0, 0.01)$
• El modelo se optimizo usando Adam, con un batch de 64.
• La taza de aprendizaje para $\beta_1 = 0.5, \beta_2 = 0.999$

[a-ceron]

Actualización

En el PR https://github.com/a-ceron/tesis-ia/pull/32 se implementa la arquitectura DCGAN. Al terminar de implementar las herramientas necesarias, se continuará con el cambio de la función de pérdida y por último se hará una modificación para implementar algunas de las soluciones en minerGAN y FastGAN