GAN网络什么意思
系统:Windows 11
软件版本:
GAN是一种机器学习方法，是一种深度学习模型，是近年来在复杂分布中最有前途的无监督学习方法之一。通过框架中(至少)两个模块(生成模型和判别模型)之间的博弈学习，产生了相当好的输出。
在最初的GAN理论中，并不要求G和D都是神经网络，只要求能拟合对应的生成和判别的函数。但在实际应用中，深度神经网络一般作为G和d使用，一个好的GAN应用需要一个好的训练方法，否则可能由于神经网络模型的自由度而导致输出不尽如人意。
机器学习的模型大致可以分为两类:生成模型和判别模型。判别模型需要输入变量，并且可以通过某种模型进行预测。生成模型就是给一些隐含的信息来随机生成观测数据。举个简单的例子:判断模型，给一张图，判断这张图中的动物是猫还是狗。生成一个模型，给一系列猫的图片，生成一只新的猫(不在数据集中)
对于判别模型，损失函数很容易定义，因为输出目标相对简单。但是对于生成模型来说，损失函数的定义就没那么容易了。我们对产生结果的期望通常是一个模糊的范例，很难用数学来定义。因此，将生成模型的反馈部分交给判别模型是可取的。这是Goodfellow，他将机器学习中的两种模型紧密地结合在一起，生成型和判别型。
