【GAN】Generative Adversarial Nets

        GAN是生成式模型，包括两个部分，生成器Generator和鉴别器Discriminator，G用来获取整个数据的分布，D用来判断样本是真实数据还是G生成的数据，G和D可以是任意的网络架构，最简单的是使用MLP。

        生成器的输入是一个服从某种分布的随机的噪音z，通过MLP可以把z映射到任何一个想要拟合的分布。鉴别器的输出是一个标量，1代表D认为输入数据是真实样本，0代表D认为输入数据是G的生成样本。

        目标函数是式(1.1)，G最小化式(1.2)，让D尽量认为G生成的样本是真实样本，D最大化式(1.3)，尽量分清真实样本和生成器生成的样本。