从密度比估计视角看生成对抗网络
机器学习
2016-11-10 v2
摘要
生成对抗网络（GAN）是成功的深度生成模型。GAN基于一个双人极小极大博弈。然而，原始动机中推导出的目标函数被改变，以便在学习生成器时获得更强的梯度。我们提出了一种重复进行密度比估计和f-散度最小化的新算法。我们的算法为理解GAN提供了新的视角，并能够利用密度比估计研究中获得的多种观点，例如哪种散度是稳定的以及相对密度比是有用的。
引用
@article{arxiv.1610.02920,
title = {Generative Adversarial Nets from a Density Ratio Estimation Perspective},
author = {Masatoshi Uehara and Issei Sato and Masahiro Suzuki and Kotaro Nakayama and Yutaka Matsuo},
journal= {arXiv preprint arXiv:1610.02920},
year = {2016}
}
备注
Add contents especially theoretical things for ICLR 2017