Apprendimento per rinforzo per la finanza

Capitolo 5. Dati generati

Questo lavoro è stato tradotto utilizzando l'AI. Siamo lieti di ricevere il tuo feedback e i tuoi commenti: [e-mail]

Nella struttura proposta da , il modello generativo viene contrapposto a un avversario: un modello discriminativo che impara a determinare se un campione appartiene alla distribuzione del modello o alla distribuzione dei dati. Il modello generativo può essere considerato analogo a una squadra di falsari che cerca di produrre valuta falsa e di utilizzarla senza essere scoperta, mentre il modello discriminativo è analogo alla polizia che cerca di individuare la valuta falsa. La competizione in questo gioco spinge entrambe le squadre a migliorare i propri metodi fino a quando le contraffazioni non saranno indistinguibili dagli articoli autentici.

Goodfellow et al. (2014)

Nel loro articolo fondamentale, Goodfellow et al. (2014) introducono reti generative avversarie (GAN) che si basano su un cosiddetto generatore e discriminatore. Il generatore viene addestrato su un dato set di dati. Il suo scopo è quello di generare dati simili "in natura", cioè in senso statistico, all'insieme di dati originale. Il discriminatore viene addestrato per distinguere tra i campioni dell'insieme di dati originali e quelli generati dal generatore. L'obiettivo è addestrare il generatore a produrre campioni che il discriminatore non può distinguere dai campioni originali.

Sebbene questo approccio possa sembrare relativamente semplice all'inizio, ...