生成对抗网络赋能多类样本模仿学习：方法、应用与展望.docxVIP

生成对抗网络赋能多类样本模仿学习：方法、应用与展望

一、引言

1.1研究背景与意义

1.1.1生成对抗网络发展概述

生成对抗网络（GenerativeAdversarialNetworks，GAN）由IanGoodfellow等人于2014年提出，这一概念的诞生为机器学习领域带来了全新的思路。其独特的对抗机制源于博弈论中的“零和博弈”概念，通过生成器（Generator）和判别器（Discriminator）两个深度神经网络相互对抗博弈，实现数据生成能力的提升。

在诞生初期，GAN主要应用于图像生成领域。早期研究中，研究者致力于让生成器生成逼真的图像，例如MNIST