關鍵詞：生成對抗網絡 梯度消失 模式崩潰 圖像領域 風格遷移 

摘要：自生成對抗網絡GAN提出以后,現這一方向已成為人工智能方向的研究熱點. GAN的思想采用二人零和博弈方法,由生成器和判別器構成,生成器負責生成樣本分布,判別器則判別輸入是真實樣本還是生成樣本,生成器和判別器不斷交互優化,最終達到最優效果. GAN模型的提出無疑是很新穎的,但也存在很多缺點,比如梯度消失問題、模式崩潰等.隨著研究的深入, GAN不斷優化擴展, GAN的衍生模型也層出不窮. GAN可應用于不同領域,主要為計算機圖像和視覺領域,在圖像領域有著突出的效果,能生成高分辨率逼真的圖像,能對圖像進行修復、風格遷移等,也能生成視頻并進行預測等. GAN也能生成文本,可以進行對話生成、機器翻譯、語音生成等.同時,GAN在其他領域也有涉及,比如生成音樂、密碼破譯等.但是GAN在其他領域的應用效果并不顯著,那么,如何提高GAN在其他領域的應用效果將值得深入研究,使生成對抗網絡在人工智能方面大放異彩.

計算機系統應用雜志要求:

{1}參考文獻按GB/T 7714-2005《文后參考文獻著錄規則》采用順序編碼制著錄，依照其在文中出現的先后順序用阿拉伯數字加方括號標出。

{2}文責自負。概不接受抄襲稿件。本刊概不退稿，請作者自留底稿。

{3}請勿一稿多投，三個月內未接到本刊錄用通知可另行處理。

{4}文題：力求簡明、醒目，反映出文章的主題。中文文題一般以20個漢字以內為宜。

{5}正文應層次清楚，方便閱讀，行文符合規范。正文中的各級標題分別為：“1”、“1.1”、“1.1.1”等。

注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社