目录
一、Generative Adversarial Networks(生成对抗网络)
1、生成模型(Generative model)和判别模型(Discriminative mode)
二、Deep Convolutional GANs (DCGAN)
2、反卷积”—上采样卷积(transport convolution)
三、Wasserstein GAN with gradient penalty(具有梯度惩罚的 Wasserstein GAN)- 收敛速度更快更稳定
一、Generative Adversarial Networks(生成对抗网络)
1、生成模型(Generative model)和判别模型(Discriminative mode)
- 生成模型:对联合概率进行建模,从统计的角度表示数据的分布情况,刻画数据是如何生成的,收敛速度快,例如朴素贝叶斯,GDA,HMM等。
- 判别模型:对条件概率P(Y|X)进行建模,不关心数据如何生成,主要是寻找不同类别之间的最优分类面,例如LR,SVM等。
判别模