Generative Adversarial Nets——NIPS2014

GAN势如破竹地被Goodfellow提出，Goodfellow师从Bengio，2014年的这一篇Generative Adversarial Nets的发表也是第一次GAN被完整的提出来。

论文翻译：https://m.2cto.com/kf/201610/552124.html

Goodefellow2016于NIPS上的演讲：https://channel9.msdn.com/Events/Neural-Information-Processing-Systems-Conference/Neural-Information-Processing-Systems-Conference-NIPS-2016/Generative-Adversarial-Networks

Goodefellow2016于NIPS上的演讲译文：https://ask.julyedu.com/question/7664

目录

1、背景

2、文章脉络

3、模型架构

4、具体理解：

1）问题和动机：

2）解决方法：https://blog.csdn.net/on2way/article/details/72773771

3）实验：

4）结论：

5）未来展望：

5、分析

---

1、背景

GAN的提出缘起于Goodfellow庆祝他的一个朋友博士学习结束，酒后饭桌上大家提及想要“试图用数学方法确定进入图片的所有内容，将这些统计信息输入一台机器，以便它可以自己创建照片”。然而Goodfellow却认为这是不可能人为完成的，因为要统计的量太多，没人能全部记下来，但是神经网络可以教会机器如何建立逼真的图片。

一些知识：

深度玻尔兹曼机：https://blog.csdn.net/u014314005/article/details/80583475

GSN生成随机网：https://baike.baidu.com/item/%E7%94%9F%E6%88%90%E9%9A%8F%E6%9C%BA%E7%BD%91%E7%BB%9C/22800088?fr=aladdin  && https://blog.csdn.net/zhq9695/article/details/86688525

变分自编码器（VAEs）：https://spaces.ac.cn/archives/5253

噪声对比估计（NCE）：https://blog.csdn.net/littlely_ll/article/details/79252064

PM模型：PM模型与GAN有一些争议，主要是PM的作者在NIPS2016大会上直接怼了Goodfellow，但其实Goodfellow在2014第一次以论文形式提出GAN时就已经在文中说明了PM模型与GAN的区别，好吧，我就附上从PM到GAN的一篇帖子——