GAN生成对抗网络公式推导和证明

生成对抗网络分为：1 .生成模型 ，2. 鉴别模型 。其中， 生成模型 从无到有不断地生成数据，而 鉴别模型 不断鉴别生成器生成的模型；二者不断对抗， 生成模型 拼命生成不让 鉴别模型 识别出来的数据， 鉴别模型 拼命鉴别 生成模型 生成的数据；二者不断成长，得到最好的 生成模型 和 鉴别模型 。

具体推倒如下：

首先是符号说明, 注意GAN，主要学习的是数据的分布，最终得到的是两个一样的数据分布。

定义数据分布，generator，discriminator等输出

定义鉴别模型：

当鉴别模型输出D（x）为1时，即可以轻松判别数据，此时上式取值最大。

当鉴别模型输出D(G(z))为0时，即鉴别模型轻松地鉴别出生成模型的数据，此时上式取值最大。

故而为了鉴别模型越来越好，定义以下目标函数：

很显然，最好的鉴别模型是使得V(G,D)最大的，即：

当