生成对抗网络的研究进展综述

• 作者: 吴少乾 李西明
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 生成对抗网络(GANs) 散度函数 神经网络 生成模型
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 综述·探索
• 页码范围: 377-388
• 页数: 12页
• 分类号: TP30
• 字数: 11306字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.1909058

摘要

自生成对抗网络(GANs)诞生以来,对其研究已经成为机器学习领域的一个热点.它利用对抗学习的机制训练模型,解决了当年生成算法无法解决的问题.由于GANs的优势,研究者们对其进行深入的研究,产生了许多GANs的衍生模型,这使得GANs得到了快速的发展,形成了所谓的GAN-Zoo.GANs被广泛应用于视觉领域、音频领域、自然语言领域及其他各种领域中,如图像生成、图像翻译、文本生成、音频转换和自然语言翻译等.从传统GANs出发,对近几年内GANs的研究中较为突出的方面进行总结,首先介绍了传统GANs的基本理论,然后对近年来GANs的主要衍生模型进行分析,最后总结了GANs在图像领域和信息安全领域中的主要应用成果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李西明	华南农业大学数学与信息学院	28	86	4.0	9.0
2	吴少乾	华南农业大学数学与信息学院	5	0	0.0	0.0