隨著計(jì)算能力的提升,以及神經(jīng)網(wǎng)絡(luò)的發(fā)展,越來越多的學(xué)者投身于生成式模型的研究。生成式對(duì)抗網(wǎng)絡(luò),通�？梢院�(jiǎn)稱為GAN,是一種在當(dāng)前十分流行的生成式模型。自最原始版本的生成式對(duì)抗網(wǎng)絡(luò)在2014年被提出以來,生成式對(duì)抗網(wǎng)絡(luò)吸引了很多研究人員的興趣。生成式對(duì)抗網(wǎng)絡(luò)的誕生受到了博弈論和對(duì)抗思想的啟發(fā),模型包含一個(gè)生成器和一個(gè)判別器,通過兩者相互對(duì)抗,來使生成器與判別器都被不斷的優(yōu)化。最終使生成器生成足以以假亂真的數(shù)據(jù)。但是現(xiàn)有的生成式對(duì)抗網(wǎng)絡(luò)模型依舊存在著很多不足的地方,例如,在對(duì)GAN進(jìn)行訓(xùn)練的過程中,我們要對(duì)生成器和判別器都進(jìn)行訓(xùn)練,如果在生成器還沒能學(xué)習(xí)到原始概率分布的足夠多信息時(shí),判別器就已經(jīng)被訓(xùn)練的準(zhǔn)確率很高,那么在接下來的訓(xùn)練中,很可能生成器很難從判別器中得到信息以對(duì)自身進(jìn)行優(yōu)化,這導(dǎo)致訓(xùn)練過程可能不穩(wěn)定。除此之外,生成式對(duì)抗網(wǎng)絡(luò)以神經(jīng)網(wǎng)絡(luò)為基礎(chǔ),存在神經(jīng)網(wǎng)絡(luò)類模型的一般性缺陷,即可解釋性差。此外還有很多生成式對(duì)抗網(wǎng)絡(luò)模型存在模式崩潰現(xiàn)象,可能重復(fù)生成差異不大的數(shù)據(jù)。為了嘗試解決這些問題,本文采用理論研究與算法模擬相結(jié)合的方法,提出了一種新的基于巴氏距離的生成式對(duì)抗網(wǎng)絡(luò)算法,并對(duì)其證... 

【文章來源】：哈爾濱工業(yè)大學(xué)黑龍江省 211工程院校 985工程院校

【文章頁數(shù)】：41 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

1GAN模型的結(jié)構(gòu)

2SGAN的結(jié)構(gòu)

3CGAN的結(jié)構(gòu)


本文編號(hào)：3108632