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∈[0,1] ,
表达式 −mlog(y)−nlog(1−y) 在 m/(m + n)处得到最小值.
所以目标函数:
当 pd