文献综述
文 献 综 述1. 前言目前人工智能学界比热门的一个研究方向是生成对抗网络 GAN(Generative Adversarial Networks),GAN 基本思想源于博弈论中的二人零和博弈(即二人的利益之和为零, 一方的所得正是另一方的所失),它是由一个生成器和一个判别器构成，然后通过对抗学习的方法来进行不断训练。
生成器和判别器可以采用深度精神网络，而 GAN 的优化过程围绕极小极大博弈(Minimax game)进行，优化的目的是达到纳什均衡，让生成器可以估测数据样本的分布规律。
当下，GAN 被广泛的应用于棋类比赛、信息安全、图像视觉处理语音与语言处理等领域。
2.研究背景和意义学术界将人工智能分为两个阶段：感知阶段和认知阶段。
感知阶段机器接收外部各类信息，并做出相应的判断；认知阶段是机器对世界本质具有一定程度的理解，不会再做出单纯机械的判断。
大家普遍认为人工智能的表现层次有判断、生成、理解和创造，这些层次即互相联系、促进，彼此之间又有很大的区别。
上述人工智能的两个阶段涉及到理解环节在 GAN 中主要体现在生成器上，其生成器具有生成数据样本的能力，因此 GAN 有望加深人工智能的理解层面的研究深度。
当今社会在一些领域中，数据稀有、人工标注的人力成本的浪费、数据质量对产出结果的影响都显示出数据的至关重要。
例如在动漫领域或者社交账号头像领域，人为设计绘制需要消耗的大量的人力、财力和时间成本，所以从动漫头像出发，基于 GAN，再结合编码器、残差网络、解码器，改变图像维度，再将提取到的特征数据生成近似原始图像的数据集显得尤为高效。
以上是毕业论文开题文献，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
