1 概述
Gererative Adversarial Networks最早由Goodfellow Ian在2014年发表论文提出。论文地址:https://arxiv.org/abs/1406.2661。
定义:由两个相互博弈的神经网络组成的判别-生成模型。两个神经网络一个是生成网络G,一个是判别网络D。博弈的目的是使生成网络生成的数据更真,判别网络判别能力越强。通俗理解就是最小化生成网络生成的数据和真实数据集的概率分布,最大化判别网络的区分度。GAN属于无监督学习。
概念理解小例子:假币和真币
犯罪分子造假币,是G。银行判别假币,是D
真的标签为1,假的标签为0,我们要做的是:
当输入D的人民币为真的时候,就打上标签1
当输入D的人民币为假的时候,就打上标签0
G生成的人民币,输入到D中,希望打上标签1
应用: GAN有广泛的应用,它可以用来生成以假乱真的图片,也可以生成视频,三维物体模型等。并且已经有人把它应用到NLP上了。论文地址:https://arxiv.org/pdf/1609.05473.pdf