GAN中判别器与极大似然估计的关联

在GAN中，对于判别器D来说，实际上就是一个普通的二分类问题。 根据文章《交叉熵，KL散度以及多分类问题下的极大似然估计》当中的思考，对于二分类问题的极大似然估计，有如下式子成立： L(X,Y,θ)=∫x∫yp(x,y)logq(y|x)dydx=∫p(x)[p(yi=1|xi)logq(yi=1|xi)+p(yi=0|xi)logq(yi=0|xi)]dx L(X,Y,θ)=∫x∫yp(x,y)log⁡q(y|x)dydx=∫p(x)[p(yi=1|xi)log⁡q(yi=1|xi)+p(yi=0|xi)log⁡q(yi=0|xi)]dx 那么，将上式的最后一步重新写成联合概率的形式，有  L(X,Y,θ)=∫[p(x,y=1)logq(y=1|x)+p(x,y=0)logq(y=0|x)]dx=∫[p(x,y=1)logq(y=1|x)+p(x,y=0)logq(y=0|x)]dx L(X,Y,θ)=∫[p(x,y=1)log⁡q(y=1|x)+p(x,y=0)log⁡q(y=0|x)]dx=∫[p(x,y=1)log⁡q(y=1|x)+p(x,y=0)log⁡q(y=0|x)]dx 对应到GAN中来，D分类器要做的就是给定一个x，需要判断这个样本x是属于real data还是generated dat