Generative Adversarial Nets原理、推导
1 文章简要说明
本篇文章Ian J. Goodfellow提出GAN的开山之作。内容非常的经典，为了避免初学者对文中的公式推导理解不透彻，因此写下此篇博客。本文中的书本截图来自于诸葛越博士的《百面机器学习》。
GAN简单来说就是输入一组随机初始值，使其能够在目标维度内产生一组映射，如果这组映射的分布规律与我们打标签的真实数据的分布保持一致，那么我们就认为GAN网络生成了我们需要的以假乱真的结果。
上图中，黑线为真实数据分布，绿色为生成数据分布，蓝色线为判别器。可以看到当真实标签数据和生成的数据分布曲线重合时，判别器无法将而这区分开来。