Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | University of Bologna | - |
Autor(es): dc.contributor | University of Porto (FEUP) | - |
Autor(es): dc.contributor | Universidade de São Paulo (USP) | - |
Autor(es): dc.contributor | Universidade Federal de Uberlândia (UFU) | - |
Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
Autor(es): dc.creator | Rozendo, Guilherme Botazzo | - |
Autor(es): dc.creator | Lumini, Alessandra | - |
Autor(es): dc.creator | Roberto, Guilherme Freire | - |
Autor(es): dc.creator | Tosta, Thaína Aparecida Azevedo | - |
Autor(es): dc.creator | do Nascimento, Marcelo Zanchetta | - |
Autor(es): dc.creator | Neves, Leandro Alves | - |
Data de aceite: dc.date.accessioned | 2025-08-21T19:14:50Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T19:14:50Z | - |
Data de envio: dc.date.issued | 2025-04-29 | - |
Data de envio: dc.date.issued | 2023-12-31 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.5220/0012618400003690 | - |
Fonte completa do material: dc.identifier | https://hdl.handle.net/11449/306242 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/306242 | - |
Descrição: dc.description | Generative Adversarial Networks (GANs) create artificial images through adversary training between a generator (G) and a discriminator (D) network. This training is based on game theory and aims to reach an equilibrium between the networks. However, this equilibrium is hardly achieved, and D tends to be more powerful. This problem occurs because G is trained based on only a single value representing D’s prediction, and only D has access to the image features. To address this issue, we introduce a new approach using Explainable Artificial Intelligence (XAI) methods to guide the G training. Our strategy identifies critical image features learned by D and transfers this knowledge to G. We have modified the loss function to propagate a matrix of XAI explanations instead of only a single error value. We show through quantitative analysis that our approach can enrich the training and promote improved quality and more variability in the artificial images. For instance, it was possible to obtain an increase of up to 37.8% in the quality of the artificial images from the MNIST dataset, with up to 4.94% more variability when compared to traditional methods. | - |
Descrição: dc.description | Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) | - |
Descrição: dc.description | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) | - |
Descrição: dc.description | Fundação de Amparo à Pesquisa do Estado de Minas Gerais (FAPEMIG) | - |
Descrição: dc.description | Department of Computer Science and Engineering (DISI) University of Bologna | - |
Descrição: dc.description | Faculty of Engineering University of Porto (FEUP) | - |
Descrição: dc.description | Science and Technology Institute (ICT) Federal University of São Paulo (UNIFESP) | - |
Descrição: dc.description | Faculty of Computer Science (FACOM) Federal University of Uberlândia (UFU) | - |
Descrição: dc.description | Department of Computer Science and Statistics (DCCE) São Paulo State University | - |
Descrição: dc.description | Department of Computer Science and Statistics (DCCE) São Paulo State University | - |
Descrição: dc.description | FAPESP: #2022/03020-1 | - |
Descrição: dc.description | CAPES: #311404/2021-9 | - |
Descrição: dc.description | CAPES: #313643/2021-0 | - |
Descrição: dc.description | FAPEMIG: #APQ-00578-18 | - |
Formato: dc.format | 674-681 | - |
Idioma: dc.language | en | - |
Relação: dc.relation | International Conference on Enterprise Information Systems, ICEIS - Proceedings | - |
???dc.source???: dc.source | Scopus | - |
Palavras-chave: dc.subject | Explainable Artificial Intelligence | - |
Palavras-chave: dc.subject | GAN Training | - |
Palavras-chave: dc.subject | Generative Adversarial Networks | - |
Título: dc.title | X-GAN: Generative Adversarial Networks Training Guided with Explainable Artificial Intelligence | - |
Tipo de arquivo: dc.type | aula digital | - |
Aparece nas coleções: | Repositório Institucional - Unesp |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: