Generative Adversarial Nets

生成對抗網(wǎng)絡(luò)是一個需要生成模型和判別模型共同參與的一個復(fù)合模型。好，下面進(jìn)入正文，同樣不整復(fù)雜的數(shù)學(xué)公式。

整個過程，就是生成模型（印鈔機）學(xué)習(xí)到了真實世界的數(shù)據(jù)（央行印出來的真鈔），然后按照真實世界數(shù)據(jù)的概率分布生成新的數(shù)據(jù)（假鈔），然而判別模型（驗鈔機）需要把鑒別出那些是真實世界存在的數(shù)據(jù)，那些是生成的數(shù)據(jù)（鑒別真鈔和假鈔）

生成對抗網(wǎng)絡(luò)的概念圖

于是我們就可以真實感受到對抗了，在印鈔機和驗鈔機兩者的對抗中，印鈔機越來越能夠模仿出真正的鈔票了。

實際機器學(xué)習(xí)的案例中，生成模型通過不斷學(xué)習(xí)真實數(shù)據(jù)的特征和概率分布，生成模型的目標(biāo)就是生成以假亂真的數(shù)據(jù)，而判別模型同步學(xué)習(xí)出真實數(shù)據(jù)集和生成數(shù)據(jù)集越來越細(xì)微的差異。兩個模型交替更新參數(shù)。

在論文中Generative adversarial nets.中作者給出了一個結(jié)構(gòu)略有些復(fù)雜的公式，為了不違背不整復(fù)雜公式的承諾，就還是用比較簡單的語言轉(zhuǎn)述一下好了，想看全文以及目標(biāo)函數(shù)可以點擊鏈接。

論文作者設(shè)定了有一個目標(biāo)函數(shù)，用于衡量印鈔機和驗鈔機兩者在這場游戲中的表現(xiàn)。驗鈔機即判別模型需要最大化這個分?jǐn)?shù)（而分?jǐn)?shù)和判斷真假鈔的正確個數(shù)正相關(guān)），印鈔機即生成模型需要最小化這個分?jǐn)?shù)（而分?jǐn)?shù)和假鈔被判斷正確的個數(shù)負(fù)相關(guān)）

Reference／參考

Goodfellow, Ian, et al. "Generative adversarial nets." Advances in neural information processing systems. 2014.