深度学习（三十四）对抗自编码网络-未完待续

占坑，未完待续……

上面是网络结构。上半部分是一个自编码结构，给定输入数据X，我们经过编码层，可以得到编码层的数据分布q(z|x)的一个采样潜变量编码z。在以前我们的自编码分布q(z|x)是固定的，现在我们即将用对抗网络，对这个分布做一个先验约束。

对于解码层的目标是对编码向量z做出重构，得到输出样本x’的分布函数q(x’|z)的一个采样样本x’。重构损失函数确保了编码过程原始数据不会丢失过多，然而它却没有对特征z做出约束，z的分布函数如下：

我们现在的目标是希望对q(z)做出约束，使得它与分布p(z)相互匹配。比如我们希望z的每个特征相互独立并且符合高斯分布(ICA、PCA)。甚至我们希望这个潜在的表征z与我们的分类任务标签有个相互映射关系。