作者指出,深度学习的目的旨在建立能够表示人造的具体应用中的数据分布的模型。为了避免极大似然估计和相关策略中的可能性计算逼近问题,提出GAN:由生成模型和判别模型组成,其中生成模型负责伪造数据,而判别模型负责检测样本服从模型分布还是原始数据分布。
本文主要研究生成模型通过多层感知器传输随机噪声来生成样本,判别模型也是多层感知器的情况。
Adversarial nets
为了学习生成器在数据x上产生的分布,对输入噪声变量定义一个先验函数,再定义一个到数据空间的映射,其中G表示一个带有参数的多层感知器表示的可微函数。同时定义一个多层感知器输出一个单一标量。D(x)表示x来源于数据而不是生成器产生