大家好，下面小编给大家分享一下。很多人还不知道增益网的意义。下面是详细的解释。现在让我们来看看！
GAN网络是一种机器学习方法和深度学习模型，是近年来在复杂分布中最有前途的无监督学习方法之一。该模型通过框架中(至少)两个模块之间的博弈学习产生了相当好的输出:生成模型和判别模型。
在最初的GAN理论中，并不要求g和d都是神经网络，只要求能拟合对应的生成和判别的函数。但在实际应用中，深度神经网络一般作为g和d，一个优秀的GAN应用需要一个好的训练方法，否则可能会由于神经网络模型的自由度而导致输出不尽如人意。
机器学习的模型大致可以分为两类:生成模型和判别模型。判别模型需要输入变量，可以通过某个模型进行预测。生成模型被赋予一些隐含信息来随机生成观察数据。举个简单的例子:判别模型，给定一张图片，判断这张图片中的动物是猫还是狗。生成一个模型，给一系列猫的图片，生成一只新的猫(不在数据集中)
对于判别模型，由于输出目标相对简单，损失函数易于定义。但是对于生成模型，损失函数的定义就不那么容易了。我们对生成结果的期望通常是一种模糊的范式，很难用数学公理来定义。所以，我们不妨把生成模型的反馈部分交给判别模型进行处理。这是Goodfellow，他紧密结合了机器学习中的两种模型，生成型和判别型。
以上解释了增益网络的含义。这篇文章已经分享到这里了，希望对大家有所帮助。如果信息有误，请联系边肖进行更正。