generative adversarial network

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。