Focusing on your own Mind :) －> 站在巨人的肩膀上

reference:http://blog.youkuaiyun.com/solomon1558/article/details/52338052文献整理 题目主要内容              GAN综

AdversarialNetsPapersThe classical Papers about adversarial netsThe First paper✅ [Generative Adversarial Nets] [Paper] [Code](the first paper about it)Unclassified✅ [Deep Gener

reference: http://blog.youkuaiyun.com/u013139259/article/details/53590536所谓的对抗网络可以归结为unsupervised learning 或者 generative model。从无监督学习来进行feature representation,有k-means聚类算法，auto-encoders[2]，以及09年的Deep be

今天想与大家分享的是图像生成中一些工作。这些工作都基于一大类模型，Generative Adversarial Networks（GAN）。从模型名称上甚至都可以看出一些发展轨迹：GAN->CGAN->LAPGAN->DCGAN->GRAN->VAEGAN 等等。所以，在今天的分享中

【前言】     本文首先介绍生成式模型，然后着重梳理生成式模型（Generative Models）中生成对抗网络（Generative Adversarial Network）的研究与发展。作者按照GAN主干论文、GAN应用性论文、GAN相关论文分类整理了45篇近两年的论文，着重梳理了主干论文之间的联系与区别，揭示生成式对抗网络的研究脉络。 本文涉及的论文有： [1] Goodfe

【前言】     本文首先介绍生成式模型，然后着重梳理生成式模型（Generative Models）中生成对抗网络（Generative Adversarial Network）的研究与发展。作者按照GAN主干论文、GAN应用性论文、GAN相关论文分类整理了45篇近两年的论文，着重梳理了主干论文之间的联系与区别，揭示生成式对抗网络的研究脉络。 本文涉及的论文有：Goodfello

【前言】     本文首先介绍生成式模型，然后着重梳理生成式模型（Generative Models）中生成对抗网络（Generative Adversarial Network）的研究与发展。作者按照GAN主干论文、GAN应用性论文、GAN相关论文分类整理了45篇近两年的论文，着重梳理了主干论文之间的联系与区别，揭示生成式对抗网络的研究脉络。 本文涉及的论文有：Goodfello

我们需要生成（Generative models）模型，这样就能从关联输入移动到输出之外，进行半监督分类（semi-supervised classification）、数据操作（semi-supervised classification）、填空（filling in the blank）、图像修复（inpainting）、去噪（denoising）、one-shot生成 [Rezende et

【前言】     本文首先介绍生成式模型，然后着重梳理生成式模型（Generative Models）中生成对抗网络（Generative Adversarial Network）的研究与发展。作者按照GAN主干论文、GAN应用性论文、GAN相关论文分类整理了45篇近两年的论文，着重梳理了主干论文之间的联系与区别，揭示生成式对抗网络的研究脉络。 涉及的论文有： [1] Goodfell

转自http://handong1587.github.io/deep_learning/2015/10/09/image-generation.htmlPapersOptimizing Neural Networks That Generate Images(2014. PhD thesis)paper : http://www.cs.toronto.edu/~tij

前言：本文转载lancezhange 的博文《对抗样本和对抗网络》，文章介绍了对抗样本的概念和相关文献，并且进一步介绍了生成式对抗网络（Generative Adversarial Nets, GAN）。    所谓对抗 样本是指将实际样本略加扰动而构造出的合成样本，对该样本，分类器非常容易将其类别判错，这意味着光滑性假设(相似的样本应该以很高的概率被判为同一类别)某种程度上被推翻了。

The research for development of GANs1.adversarial examples1)Intriguing properties of neural networks, by Christian Szegedy at Google, et al，2014 2)Kurakin A, Goodfellow I, Bengio S.Adversarial exampl

reference: http://blog.youkuaiyun.com/jackytintin/article/details/53641885近年，随着有监督学习的低枝果实被采摘的所剩无几，无监督学习成为了研究热点。VAE（Variational Auto-Encoder，变分自编码器）[1,2] 和 GAN（Generative Adversarial Networks） 等模型，受到越来越多的关