生成对抗网络（GAN）：理论基础与应用
人工智能
2023-02-21 v1
摘要
生成对抗网络（GAN）是一种基于两个神经网络——一个称为生成器，另一个称为判别器——相互竞争的训练方法，旨在生成与训练数据概率分布相似的新实例。GAN 在计算机视觉、语义分割、时间序列合成、图像编辑、自然语言处理以及从文本生成图像等领域有着广泛的应用。生成模型对数据集的概率分布进行建模，但它们不直接提供概率值，而是生成接近原始分布的新实例。GAN 使用一种学习方案，使得概率分布的定义属性能够被编码到神经网络中，从而能够生成与原始概率分布相似的实例。本文介绍了此类网络的理论基础、基本架构方案及其部分应用。本文以西班牙语撰写，以便于西班牙语社区获取这一科学知识。
引用
@article{arxiv.2302.09346,
title = {Redes Generativas Adversarias (GAN) Fundamentos Te\'oricos y Aplicaciones},
author = {Jordi de la Torre},
journal= {arXiv preprint arXiv:2302.09346},
year = {2023}
}
备注
14 pages, in Spanish language, 2 figures, review