Le GAN (generative adversarial networks) est une technique qui met en oeuvre deux réseaux de neurones antagonistes dans une boucle d’amélioration continue. Le premier réseau génère une image, tandis que le second essaie de détecter si l’image est réelle ou bien si elle est le résultat d’une génération. Ensuite, pour parfaire l'apprentissage, le premier est alimenté avec les images que le second a démasqué tandis que le second reçoit les images qui l’ont trompé. Et ainsi de suite. Les images créées sont ainsi de plus en plus réalistes. Le processus s’arrête quand le premier réseau est capable de générer des images qui trompent le second à tous les coups.
Exemple de résultat obtenu par une IA utilisant les GANs :
Cette entreprise japonaise génère des images réalistes de corps entiers de personnes qui n’existent pas. Ces images sont destinées à être utilisés comme modèles pour la publicité et les catalogues de vêtements.
Des recherches sont en cours pour appliquer les GANs au trading.
Notamment, cet article qui explique comment utiliser les GANs pour prévoir les prochains
cours de clôture :
https://www.sciencedirect.com/science/article/pii/S1877050919302789