[GAN_papers]GAN+Generative Adversarial Nets

写在最前：有问题感谢指出，感兴趣欢迎讨论～

Generative Adversarial Nets

0. Summary

同时训练两个模块（采用神经网络使其可反向传播训练），一个G model数据分布，一个D区分x是来自真实数据or来自G的假数据。最终G可以model真实数据分布，D对数据的概率都预测为1/2。
给出了GAN的理论证明和朴素训练方法。
避免了难以解决的概率计算问题

1. background

生成式模型不好因为the difficulty of approximating many intractable probabilistic computations；2）difficulty of leveraging the benefits of piecewise linear units in the generative context.我们的工作避开了。

灵感来源

2. Research Objective

生成式模型

3. Method(s)

• 解释：

  • 直观解释