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