2025年线性代数生成对抗网络中的博弈均衡试题.docVIP

2025年线性代数生成对抗网络中的博弈均衡试题

一、填空题（每小题3分，共30分）

生成对抗网络（GAN）中，生成器G与判别器D构成的零和博弈可表示为极小极大问题$\min_G\max_DV(D,G)$，其中价值函数$V(D,G)=\mathbb{E}{x\simp{\text{data}}(x)}[\logD(x)]+\mathbb{E}{z\simp_z(z)}[\log(1-D(G(z)))]$。当博弈达到纳什均衡时，生成器分布$p_g$与真实数据分布$p{\text{data}}$满足的矩阵条件是______。

设判别器D的参数矩阵$W\in\mathbb{R}^{n\timesm}$，生成器G的参数矩阵$V\in\mathbb{R}^{m\timesk}$，在参数更新过程中，若$\text{tr}(W^TV)=0$，则矩阵W与V的线性代数关系是______。

在GAN的梯度下降训练中，判别器的损失函数对参数矩阵$W$的梯度$\nabla_WL_D$可表示为$X^T(D(X)-Y)$，其中$X\in\mathbb{R}^{d\timesN}$为训练样本矩阵，$Y\in{0,1}^{1\timesN}$为标签向量。当$D(X)=\frac{1}{2}\mathbf{1}$（全1向量的一半）时，梯度矩阵的秩为______。

考虑一维正态分布数据$x\sim\