计算机科学与探索

作者：梁俊杰，韦舰晶，蒋正锋

单位：1.湖北大学 计算机与信息工程学院，武汉 4300622.广西民族师范学院 数学与计算机科学学院，广西 崇左 532200

关键词：机器学习,无监督学习,生成对抗网络（GAN）,梯度消失,模式崩溃

生成对抗网络（GAN）作为一种新的无监督学习算法框架得到越来越多研究者的青睐，已然成为当下的一个研究热点。GAN受启发于博弈论中的二人零和博弈理论，其独特的对抗训练思想能生成高质量的样本，具有比传统机器学习算法更加强大的特征学习和特征表达能力。目前GAN在计算机视觉领域尤其是在样本生成领域取得显著成功，每年有大量GAN相关研究的论文产出。针对GAN这一热点模型，首先介绍了GAN的研究现状；接着介绍了GAN的理论、框架，详细分析了GAN在训练过程中存在梯度消失和模式崩溃的原因；然后讨论了一些典型的GAN的改进模型，总结了它们理论的改进之处、优点、局限性、应用场景以及实现成本，同时还将GAN与VAE、RBM模型进行比较，总结出GAN的优势和劣势；最后展示了GAN在数据生成、图像超分辨率、图像风格转换等方面的应用成果，并探讨了GAN目前面临的挑战以及未来的研究方向。

来源：2020年第1期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2020年第1期