《人工智能安全》 第2版 曾剑平教材(复旦大学) ppt课件 6-对抗样本的理论与方法.ppt

GAN基础生成器G的目标是在不直接接触真实数据的情况下，学习真实数据的分布D的目标则是判断输入的数据是G生成的假数据还是真实数据，其输出相应的概率值。训练第一步，固定生成器G，即保持其参数在整个GAN的迭代中不会发生变化，然后优化判别器D。D(x)?1,D(G(Z))?0第二步，固定判别器D，然后优化生成器G。D(G(Z))?1GAN变体GAN的问题主要在于模型的训练困难、容易发生不稳定、生成数据不可控的情况。变体条件生成对抗网络（ConditionGAN，CGAN）信息生成对抗网络（InfoGAN）Wasserstein生成对抗网络(Wasserstei