Создать и обучить генеративно-состязательную нейронную сеть (GAN)
features: вектора из двух вещественных чисел (1 - Среднее время отклика, 2 - error rate - соотношение числа ошибок к числу запросов)
labels: вектора из двух целых чисел (1 - количество запросов первого типа, 2 - количество запросов второго типа)
(контекст: Проводится тестирование веб-приложения, отправляется определённое число запросов обоих типов на это приложение (вектор labels) и в ответ получаем вектор features) Цель - найти такой вектор из числа запросов, который будет обеспечивать заданное времени отклика и error rate (они соответственно чуть выше, чем содержащиеся в датасете)
Для этого предлагается использовать генеративно-состязательную сеть. Основная идея: Генератору скармливаем вектора из labels и хотим на выходе получать соответствующие вектора из features (в идеале). Дискриминатору же подаются на вход конкатенации векторов labels и features (настоящие данные) и конкатенации выхода с генератора и features (сгенерированные данные). То есть генератор учится генерировать вектор из числа запросов, соответствующих требуемому времени отклика и error rate, а дискриминатор учится отличать настоящие соответствия labels и features от сгенерированных
Необходимо реализовать и обучить данную генеративно-состязательную сеть (или предложить другой вариант для достижения цели и реализовать его)