《表1 3种模型功能的比较》

  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

《基于Wasserstein距离的双向学习推理》

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

首先为了对BiGAN，WGAN和WBLI有更全面的分析，表1中对这3种模型从是否包含隐变量编码、梯度稳定性以及判别器输入变量构成3个方面进行了比较．由表1可看出，BiGAN模型可以通过编码器从数据空间学习到隐含特征，并且判别器的输入是包含原始数据和隐变量数据的高维向量，使得网络能够对低层信息x和高层信息z共同进行判别，从而提高了判别能力．WGAN凭借Wasserstein距离的优点和权重裁剪技术避免梯度消失，且其值保持平滑稳定．本文提出的WBLI模型正是同时集成了2类模型的优势．