深度学习|生成对抗网络(GAN)

深度学习|生成对抗网络(GAN)Model,简称GM)和判别模型,其中,GM尽可能地生成可以欺骗DM的生成样本,使得DM错误判别为真实

大家好,欢迎来到IT知识分享网。

立德立言、无问西东


一、GAN简介

Goodfellow和Bengio等人在NIPS 2014上发表了生成对抗网络论文(Generative Adversary Network,简称GAN),开启了AI界研究应用GAN的热潮。GAN是一个零和博弈模型,包含一个生成模型(Generative Model,简称GM)和判别模型(Discriminative Model,简称DM),其中,GM尽可能地生成可以欺骗DM的生成样本,使得DM错误判别为真实样本,而DM尽可能地识别出生成样本。使用GAN,我们可以生成图像、语音、文字等内容,满足某些领域需求。

深度学习|生成对抗网络(GAN)

二、GAN论文

学术界和工业界发表了很多GAN论文,可以从AAAI、Arxiv、CVPR、ICCV、ICLR、NIPS上找到,如下是Arxiv上的一些论文:

深度学习|生成对抗网络(GAN)

未名小宇宙,一直在您身边,欢迎关注!

免责声明:本站所有文章内容,图片,视频等均是来源于用户投稿和互联网及文摘转载整编而成,不代表本站观点,不承担相关法律责任。其著作权各归其原作者或其出版社所有。如发现本站有涉嫌抄袭侵权/违法违规的内容,侵犯到您的权益,请在线联系站长,一经查实,本站将立刻删除。 本文来自网络,若有侵权,请联系删除,如若转载,请注明出处:https://yundeesoft.com/85427.html

(0)

相关推荐

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注

关注微信