GAN数据增强

Basic Idea of GAN

Generation（生成数据）

        深度学习中的神经网络需要大量的数据进行学习、训练，才可以使模型效果较好。当某些领域的数据集不足时，可以采用GAN来生成数据。

 用什么生成想要的数据？

        输入随机噪声，一组向量，满足某种分布。

        每一个dimension对应想要生成数据的某个特征。

判别器 

        输入为所想要的数据类型（有原始的、生成的），判别器会判别此数据为真的概率。概率越大，生成器生成的数据越真实。

        生成器欺骗判决器，判决器要努力分辨生成器生成的图片，会相互博弈。

         双方不断学习，对抗。

        论文（做假钞，警察的例子）。

         网络模型，目标是让输出的概率尽可能大。

 Auto-encoder

        为什么随机噪声可以生成想要的数据呢？

        generation所要干的就是Decoder的工作。

 ？？？？

 论文：Generative Adversarial Nets

introduction

        反向传播：训练网络

        dropout算法：防止神经网络过拟合的正则化技术。通过在训练过程中随机“丢弃”！！！（设置为0）