WGAN(2017)：Wasserstein GAN

Wasserstein GAN 簡述： 本文關心的問題爲無監督學習問題。介紹WGAN，可替換傳統GAN的訓練。新模型中，提高了學習的穩定性，克服了模式被破壞等問題，並提供方便調試和超參數搜索的學習曲線。進一步，顯示對應的優化問題合理，併爲分佈間其它距離的深入關聯提供理論工作。 在非監督學習中學習概率分佈的意義在哪兒？論文使用極大似然估計的理論來解釋，使用一個分佈來近似真實分佈，並通過最小化連個分佈

>>阅读原文<<