深度卷积对抗生成网络综述

摘要：

生成式对抗网络(GAN)目前已经成为人工智能学界的一个热门研究方向.GAN的基本思想源自博弈论的二人零和博弈,由一个生成器和一个判别器构成,通过对抗学习的方式来训练以估测数据样本的潜在分布并生成新的数据样本.GAN在图像和视觉计算、语音和语言处理、信息安全以及棋类比赛等领域,得到了广泛研究,且具有巨大的应用前景.深度卷积对抗生成网络DCGAN是卷积神经网络和对抗网络的结合,DCGAN将GAN方法中的G和D换成了两个卷积神经网络.DCGAN对卷积神经网络的结构做了一些改变，以提高样本的质量和收敛的速度，改变如下: 取消所有池化层。G网络中使用反卷积层进行上采样，D网络中用加入Stride的卷积代替池化。G和D中均使用批量归一化。去掉全连接层，使网络变为全卷积网络。G网络中使用ReLU作为激活函数，最后一层使用Tanh。D网络中使用LeakyReLU作为激活函数，最后一层使用Softmax。

关键词： 深度卷积对抗生成网络 监督学习 样本质量 收敛速度

作者: 洪洋 葛振华 王纪凯 包鹏 张启彬 陈宗海

作者单位: 中国科学技术大学,安徽合肥,中国,230027

会议类型: 国内会议

会议名称: 第18届中国系统仿真技术及其应用学术年会(18th CCSSTA 2017)

会议地点: 兰州

会议语种:中文

页码: 279-283

在线出版日期: 2017-08-01（万方平台首次上网日期，不代表论文的发表时间）