生成對(duì)抗網(wǎng)絡(luò)GAN綜述
關(guān)鍵詞：機(jī)器學(xué)習(xí) 無(wú)監(jiān)督學(xué)習(xí) 梯度消失 模式崩潰
摘要：生成對(duì)抗網(wǎng)絡(luò)(GAN)作為一種新的無(wú)監(jiān)督學(xué)習(xí)算法框架得到越來(lái)越多研究者的青睞,已然成為當(dāng)下的一個(gè)研究熱點(diǎn)。GAN受啟發(fā)于博弈論中的二人零和博弈理論,其獨(dú)特的對(duì)抗訓(xùn)練思想能生成高質(zhì)量的樣本,具有比傳統(tǒng)機(jī)器學(xué)習(xí)算法更加強(qiáng)大的特征學(xué)習(xí)和特征表達(dá)能力。目前GAN在計(jì)算機(jī)視覺(jué)領(lǐng)域尤其是在樣本生成領(lǐng)域取得顯著成功,每年有大量GAN相關(guān)研究的論文產(chǎn)出。針對(duì)GAN這一熱點(diǎn)模型,首先介紹了GAN的研究現(xiàn)狀;接著介紹了GAN的理論、框架,詳細(xì)分析了GAN在訓(xùn)練過(guò)程中存在梯度消失和模式崩潰的原因;然后討論了一些典型的GAN的改進(jìn)模型,總結(jié)了它們理論的改進(jìn)之處、優(yōu)點(diǎn)、局限性、應(yīng)用場(chǎng)景以及實(shí)現(xiàn)成本,同時(shí)還將GAN與VAE、RBM模型進(jìn)行比較,總結(jié)出GAN的優(yōu)勢(shì)和劣勢(shì);最后展示了GAN在數(shù)據(jù)生成、圖像超分辨率、圖像風(fēng)格轉(zhuǎn)換等方面的應(yīng)用成果,并探討了GAN目前面臨的挑戰(zhàn)以及未來(lái)的研究方向。
計(jì)算機(jī)科學(xué)與探索雜志要求:
{1}正文：論文篇幅（包括摘要、圖、表、參考文獻(xiàn)）。應(yīng)包括研究背景、方法、結(jié)果、結(jié)論或討論等幾部分內(nèi)容。
{2}作者應(yīng)保證稿件內(nèi)容的穩(wěn)定性。稿件評(píng)審期間，除評(píng)審意見(jiàn)對(duì)稿件提出修改要求外，不接受作者自行對(duì)稿件進(jìn)行的修改。
{3}來(lái)稿一律文責(zé)自負(fù)，依照《著作權(quán)法》，本刊可對(duì)來(lái)稿做文字修改、刪減，凡有涉及原意的修改則提請(qǐng)作者考慮。
{4}題目簡(jiǎn)潔明了，字?jǐn)?shù)一般不超過(guò)20字。
{5}每篇文章都需要有投稿作者和通訊作者，可以由同一人擔(dān)任。如果是學(xué)生，通訊作者應(yīng)該是指導(dǎo)教師。
注：因版權(quán)方要求，不能公開(kāi)全文，如需全文，請(qǐng)咨詢雜志社
