generative adversarial network
时间: 2023-04-14 12:01:05 浏览: 133
生成对抗网络 (Generative Adversarial Network, GAN) 是一种用于生成新数据的神经网络模型。它由两部分组成:生成器和判别器。生成器尝试生成新数据,而判别器尝试分辨出生成的数据是否与真实数据相似。这两部分通过对抗来提高对真实数据的模拟能力。
相关问题
generative adversarial network history
生成对抗网络(Generative Adversarial Network,简称GAN)是由Ian Goodfellow于2014年提出的一种机器学习模型。它是一种深度学习模型,可以自动生成新颖的图像,音频,视频,文本等内容。GAN的核心思想是,网络由两个相互竞争的模型构成,一个叫生成器(generator),另一个叫判别器(discriminator)。生成器从噪声中生成新的实例,而判别器则试图区分真假实例。当判别器无法区分真假实例时,说明生成器已经达到了极限,这是GAN的目标。
deep learning based generative adversarial network history of development
深度学习基于生成对抗网络的发展历史可以追溯到2014年,当时由Ian Goodfellow和他的同事提出,该研究旨在说明两个神经网络(一个生成器和一个鉴别器)之间的竞争可以用来生成更加真实的图像。从那时起,这种技术就持续发展,并在许多不同的领域有应用,包括自然语言处理,计算机视觉,自动驾驶等。
阅读全文