Speech Enhancement Generation Adversarial Network

GAN网络简述

• GAN网络于2014年由 Ian Goodfellow教授在论文Generative Adversarial Nets中提出，是一种训练生成式模型的新方法，目前多用于图像分类（以下用图像举例）。
• GAN网络包含了两个对抗模型：生成模型（G）输入为带噪图片，输出产生一个看起来像真的图片，迷惑判别模型；判别模型（D）用于判断一个给定的图片是不是真实的图片（包括从数据集里获取的图片和生成网络的输出图片）。在刚开始时，两个模型都是没有经过训练的，两个模型一起对抗训练，生成模型产生一章图片去欺骗判别模型，然后判别模型去判断这张图片的真假，最终两个模型能力越来越强，达到稳态。

另外，GANs一些新的应用在下面这篇博文中有所介绍，都是一些比较新的idea：
https://adeshpande3.github.io/adeshpande3.github.io/Deep-Learning-Research-Review-Week-1-Generative-Adversarial-Nets

GAN网络应用于语音增强

原理概述<