生成对抗网络（Generative Adversarial Network, GAN）
一种深度学习模型，通过判别模型（Discriminative Model）和生成模型（Generative Model）的相互博弈学习，生成接近真实数据的数据分布或对输入数据进行分类；近年来复杂分布上无监督学习最具前景的方法之一。
判别模型（左）和生成模型（右）
生成对抗网络结构
- 生成器
在给定输入数据时，理解输入，生成类似的输出 - 判别器
在给定输入数据时，将输入数据正确的分类
生成对抗网络应用示例
生成对抗网络工作流程，N轮迭代，直至判别器分辨不出样本是生成的还是真实的
生成对抗网络应用实例
生成对抗网络生成图片
生成对抗网络对比
- 传统神经网络
- 根据输入数据的特征，预测输入数据的标签
- 一个神经网络是一个训练模型
- 网络训练时，依赖输入数据样本更新梯度参数
- 生成对抗网络
- 根据输入数据的标签，生成接近真实的输入分布；
- 一个网络包含生成器和判别器两个模型；
- 网络训练时，生成器模型梯度更新依赖与判别器模型
- 生成器和判别器可以是CNN、RNN神经网络
生成对抗神经网络类别
生成对抗网络的应用场景
