论文地址:Generative Adversarial Nets
简介
生成对抗网络(Generative Adversarial Network,简称GAN)是一种由Ian Goodfellow等人在2014年提出的深度学习模型。GAN由两个相互对抗的神经网络组成:生成器(Generator)和判别器(Discriminator)。这两个网络通过博弈论的思想进行训练,生成器试图生成逼真的数据,而判别器负责辨别数据是真实的还是由生成器生成的。
生成器
生成器的任务是从随机噪声中生成与真实数据分布接近的样本。它通过学习逐渐改进自己的生成结果,目的是“欺骗”判别器,使其无法区分生成的数据和真实数据。
判别器
判别器的任务是判断输入的数据是真实的还是生成的。它接收真实数据和生成器生成的数据,并输出一个概率值,表示数据为真实数据的可能性。判别器通过学习更好地区分真实数据和生成数据来提高准确性。
损失函数