人工智能中小样本问题相关的系列（二）：生成对抗网络 GAN

说到小样本学习，就想说比较时髦的生成对抗网络GAN。GANs是一种结构化的概率模型，由两个对立的模型组成：生成模型用于捕获数据分布，判别模型用于估计生成数据的概率，以确定生成的数据是来自真实数据分布，还是来自G的分布。GANs在一些实际任务中表现良好，例如图像生成、视频生成、域自适应和图像超分辨率等。传统的GANs虽然在很多方面都取得了成功，但是由于D和G训练的不平衡，使得GANs在训练中非常不稳定。另一方面，引入了几个目标(损失)函数来最小化与传统GANs公式的差异。另外还讨论了GAN特征的可视化、潜在空间插值等问题。讨论了GAN不稳定性的最佳假设。