生成式对抗网络研究综述 2019-03

深度学习领域一个十分活跃的分支—生成式对抗网络( GAN) 已经成为人工智能学界一个热门的研究方向。生成式对 抗网络采用无监督的学习方式，自动从源数据中进行学习，在不需要人工对数据集进行标记的情况下就可以产生令人惊叹的效 果。阐述了 GAN 的背景、基本思想，对其相关理论、训练机制和应用研究进行了梳理， 总结了 GAN 的常见网络构架、训练技巧 与模型评估标准，还进行了 GAN 与其他生成模型 VAE、衍生模型的对比，最后进行分析总结，指出 GAN 的优缺点并对未来发展 方向进行展望。