生成式對抗網絡GAN

生成模型 G 捕捉樣本數據的分佈，用服從某一分佈（均勻分佈，高斯分佈等）的噪聲 z 生成一個類似真實訓練數據的樣本，追求效果是越像真實樣本越好；判別模型 D 是一個二分類器，估計一個樣本來自於訓練數據（而非生成數據）的概率，如果樣本來自於真實的訓練數據，D 輸出大概率，否則，D 輸出小概率。 判別模型的目標函數如下： 假設我們的生成模型是g(z)，其中z是一個隨機噪聲，而g將這個隨機噪聲轉化爲數據

>>阅读原文<<