生成对抗网络（GAN）在网络领域：综合综述与评估
网络与互联网体系结构
2021-05-11 v1 机器学习
摘要
尽管提出时间较近，生成对抗网络（GAN）已构成一个被广泛研究的机器学习子领域，用于通过深度生成建模创建合成数据。GAN 已应用于多个领域，最显著的是计算机视觉，其中通常用于生成或变换合成图像。鉴于其相对易用性，网络领域（已见深度学习方法广泛运用）的研究者对基于 GAN 的方法产生兴趣是自然的。因此，对此类活动进行综合性综述的需求十分迫切。在本文中，我们展示了这一机器学习分支如何惠及计算机与通信网络的多个方面，包括移动网络、网络分析、物联网、物理层与网络安全。在此过程中，我们将提供一种新颖的评估框架，用于比较非图像应用中不同模型的性能，并将其应用于若干参考网络数据集。
引用
@article{arxiv.2105.04184,
title = {Generative Adversarial Networks (GANs) in Networking: A Comprehensive Survey & Evaluation},
author = {Hojjat Navidan and Parisa Fard Moshiri and Mohammad Nabati and Reza Shahbazian and Seyed Ali Ghorashi and Vahid Shah-Mansouri and David Windridge},
journal= {arXiv preprint arXiv:2105.04184},
year = {2021}
}
备注
Accepted for publication at Journal of Computer Networks