文献类型：期刊文章

作　　者：陈亮[1] 吴攀[1] 刘韵婷[1] 刘晓阳[1] 杨佳明[1] 姜余[2]

Chen Liang;Wu Pan;Liu Yunting;Liu Xiaoyang;Yang Jiaming;Jiang Yu(College of Automation and Electrical Engineering,Shenyang Ligong University,Shenyang 110159,China;College of Fine Art and Design,Shenyang Normal University,Shenyang 110011,China)

机构地区：[1]沈阳理工大学自动化与电气工程学院,沈阳110159 [2]沈阳师范大学美术与设计学院,沈阳110011

出　　处：《电子测量与仪器学报》

基　　金：国家重点研发计划(2017YFC0821001);国家重点研发计划(2017YFC0821004-5);辽宁省教育厅基本科研项目(LG201707);辽宁省自然科学基金(20170540788)资助项目。

年　　份：2020

卷　　号：32

期　　号：6

起止页码：70-78

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD2019_2020、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：近年来,生成式对抗网络(generative adversarial nets,GAN)迅速发展,已经成为当前机器学习领域的主要研究方向之一。GAN来源于零和博弈的思想,其生成器和鉴别器对抗学习,获取给定样本的数据分布,生成新的样本数据。对GAN模型在图片生成、异常样本检测和定位、文字生成图片以及图片超分辨率等多方面进行了大量的调查研究,并在这些GAN的应用所取得的实质性进展进行了系统的阐述。对GAN的提出背景与研究意义、理论模型与改进结构,以及其主要应用领域进行了总结。通过对GAN在各方面的应用分析,对GAN的不足以及未来发展方向进行综述。

关 键 词：机器学习  对抗学习  生成对抗网络  理论模型  

分 类 号：TP183] TN919.5]