1.前言
机器学习可以分为两类模型,一种是判别模型(discrimination model),给定一个输入,模型通过判别输入的类别。另一种是生成模型(generative model),给定输入,通过模型从而逼近数据的原始概率分布。
目前,比较有名的生成模型有:
Deep RBM
VAE
关于VAE,可以参考之前的博文
然而,不管是RBM还是VAE,他们本身要么是通过复杂的马尔科夫链进行逼近(RBM通过马尔科夫链来避免explain away),而VAE则是通过复杂的变分推断从而逼近变分下界。他们的计算都过于麻烦。而生成对抗网络最大的优点,就是避免了复杂的马尔科夫过程。
2. 生成对抗网络
对抗网络是一种深度学习的算法构架,和之前很火的对抗样本是两码事。
生成对抗网络采用了真实样本与生成器之间相互博弈,达到均衡的目的来训练生成网络。整个网络包含两部分,生成器Generative,简称G,和判别网络Discrimination,简称D。
给定数据x,设生成器的概率分布为 pg ,通过一个噪声的 pz