文献类型：期刊文章

作　　者：吴少乾[1] 李西明[1]

WU Shaoqian;LI Ximing(College of Mathematics and Informatics,South China Agricultural University,Guangzhou 510642,China)

机构地区：[1]华南农业大学数学与信息学院

出　　处：《计算机科学与探索》

基　　金：国家自然科学基金 61872152,61872409;2018年广东省农业厅省级乡村振兴战略专项项目(粤农计[2018]54号);广东省特支计划科技创新青年拔尖人才项目 2015TQ01X79~~

年　　份：2020

卷　　号：14

期　　号：3

起止页码：377-388

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、IC、JST、ZGKJHX、核心刊

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。

关 键 词：生成对抗网络(GANs)  散度函数  神经网络 生成模型  

分 类 号：TP30]