文章摘要:生成对抗网络已经成为深度学习领域最热门的研究方向之一，其最大的优势在于能够以无监督的方式来拟合一个未知的分布。目前，生成对抗网络在图像生成领域大放异彩，其能够产生一些高质量的图像，但也暴露了一些弊端。在生成图像的过程中，经常会出现模式坍塌问题，从而导致生成的样本过于单一。为了解决这个问题，对生成对抗网络的模型结构和损失函数加以改进，使判别器能够从多个角度来度量生成数据的分布和真实数据的分布之间的差异，从而改善了生成样本的多样性。通过在多个数据集上进行实验，结果显示，提出的模型在很大程度上缓解了模式坍塌问题。

文章关键词:

论文DOI:10.19734/j.issn.1001-3695.2021.10.0605

论文分类号:TP391.41;TP183

文章来源：《应用数学学报》 网址: http://www.yysxxbzz.cn/qikandaodu/2022/0119/1544.html