模型
Adversarial Network（对抗网络）
对抗网络通常指生成对抗网络（GAN），由生成器和判别器组成，通过相互对抗训练生成逼真数据，解决了无监督生成建模的难题，典型应用包括图像生成、风格迁移等，代表工作有DCGAN、StyleGAN等。
详细解释
GAN由Ian Goodfellow于2014年提出，生成器试图从随机噪声生成逼真样本，判别器则区分真实与生成样本，二者进行极小极大博弈。训练中需平衡两者能力，避免模式崩溃。GAN能学习复杂数据分布，无需显式密度估计，已用于图像合成、超分辨率、数据增强等。变体包括条件GAN、Wasserstein GAN等。
别名与相关写法
adversarial network
相关术语
相关公司
相关资讯
CEGAN：条件增强 GAN 用于商用飞机气动外形设计2026/10/28
CASTANET：利用交通事故影响预测非周期性拥堵2026/8/31