《表2 部分GAN衍生模型》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《强化学习与生成式对抗网络结合方法研究进展》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

GAN在基于梯度下降训练时存在梯度消失、模式崩溃等问题，因此各种基于GAN的衍生模型先后被提出。Mirza等人[34]提出条件生成式对抗网络（Conditional Generative Adversarial Networks，CGAN），将条件变量加入生成器以约束生成过程，可以提高序列生成等模型的稳定性。Mao等人提出的最小二乘对抗网络（Least Squares Generative Adversarial Networks，LSGAN）[35]从损失函数出发，通过最小化两者之间的交叉熵进行训练，在实验中取得了很好的效果。此外，Yang[36]、Arjovsky[37]、Gulrajani[38]等也针对GAN模型做了相应改进，促进了生成式对抗网络与强化学习结合在图像处理、优化调度等领域的研究进展。表2列出了部分GAN衍生模型。