同时训练两个模型:(1)生成模型G,不断捕捉训练库里真是图片的概率分布,将输入的随机噪声转变成新的样本(即假数据),使其像是一个真的图片。(2)判别模型D,用来估计一个样本来自训练数据的概率,即它可以同时观察真是和假造的数据,并判断这个数据的真假(这个数据是不是从数据集中获取的图片)。在训练的过程中让两个网络互相竞争。刚开始的时候这两个模型均未经过训练,然后生成模型产生一张假数据欺骗判别模型,判别模型判断这张图片的真假,经过这个过程两个模型的能力一起变的越来越强。
在了解此网络之前先了解生成模型与判别模型:
(关于生成模型与判别模型的内容主要参考http://blog.csdn.net/zouxy09/article/details/8195017)
1)决策函数 Y=f(x) 与条件概率分布 P(Y|X)
监督学习的任务主要就是从所给的数据中学习一个模型,对给定的输入X预测相应的输出Y。这个模型的一般形式为决策函数Y=f(x)或者是条件概率分布P(Y|X)
决策函数Y=f(x):输入数据X,得到其所对应的Y,将Y与某一阈值比较,根据比较的结果判断X所属的类别。如果为二分类问题(w1,w2表示两个类别),那么当Y大于所设定的阈值时则为w1,小于时为w2.
条件概率分布 P(Y