生成对抗网络介绍与原理分析

生成对抗网络介绍与原理分析

---

简介

生成对抗网络就是利用生成模型G和判别模型D的的相互博弈，提升生成模型的生成能力和判别模型的判别能力，直至生成模型所生成的与原始数据难以分辨。

原理

判别模型D：不断优化D，使其输入真实数据x时输出1，输入生成数据G(z)时输出0.
生成模型G：不断优化G，使其生成的数据被判断为真（输出1）.

公式

最大化D:D(X)->1,D(G(z))->0,log内趋近于1，整个值变大。
最小化G，D(G(z))->0，log内趋近于0，整个值变小。

算法

K次选了D，一次训练G，是为了判别得准确，避免较差的生成数据合格。

将求最大值转换为求最小值

在连续空间中

对任意的非零实数 m 和 n, 且实数值$y \in [0, 1]$,
表达式$-m log(y) - n log(1 - y)$在 m/(m + n)处得到最小值.
所以目标函数:

当 pd