NTU 课程笔记 7454 GAN

1 GAN介绍

假设我们从分布中采样除了数据集xi，我们需要得到更多的数据，以满足分布

1.1 基本想法

 基本的想法就是

1）引入一个具有先验分布p(z)的潜变量z

2）从p(z)中采样z，将其传递给生成网络（generator network）G，得到x (即x=G(z)）

3）x便是一个从生成分布中得到的样本，我们希望

4）与此同时，我们会有一个区分网络（discriminator network），来区分数据是真实的还是虚假的，我们的目的是希望我们生成的假数据能够“以假乱真”

 training过程中，我们会一起训练G和D，使得收敛到

1.2 训练目标函数

 在这个目标函数中，包含了区分网络D和生成网络G的目标：

         不难发现，在第二项的目标函数中。 D和G的目标是反着的，也就是说，我们需要一个折衷 balance

        我们可以把整个括号里面的式子看成是一个有两个变量的函数，交替地进行梯度下降：