文献类型：期刊文章

作　　者：王正龙[1] 张保稳[1,2]

WANG Zhenglong;ZHANG Baowen(Institute of Cyber Science and Technology,Shanghai Jiao Tong University,Shanghai 200240,China;Shanghai Key Laboratory of Integrated Administration Technologies for Information Security,Shanghai 200240,China)

机构地区：[1]上海交通大学网络安全技术研究院,上海200240 [2]上海市信息安全综合管理技术研究重点实验室,上海200240

出　　处：《网络与信息安全学报》

基　　金：国家重点研发计划(2020YFB1807504,2020YFB1807500)。

年　　份：2021

卷　　号：7

期　　号：4

起止页码：68-85

语　　种：中文

收录情况：ZGKJHX、普通刊

摘　　要：首先介绍了生成对抗网络基本理论、应用场景和研究现状,并列举了其亟待改进的问题。围绕针对提升模型训练效率、提升生成样本质量和降低模式崩溃现象发生可能性3类问题的解决,从模型结构和训练过程两大改进方向和7个细分维度,对近年来生成对抗网络的主要研究工作、改进机理和特点进行了归纳和总结,并结合3方面对其未来的研究方向进行了探讨。

关 键 词：生成对抗网络  生成模型  深度学习  模式崩溃  分布距离度量  神经网络鲁棒性  

分 类 号：TP183]