先了解这件事
事件摘要
还没有公开综述，先看下面的报道时间线。
最新进展 · 正式报道
从 GAN 到 WGAN：Lil'Log 解析生成对抗网络的数学原理与训练难题事件进展
1 个已确认进展
- 来源：Lilian Weng：Lil'Log
报道与讨论时间线
按时间查看正式报道与传播讨论；两类内容的证据等级保持独立。
8月20日
Lilian Weng：Lil'Log
从 GAN 到 WGAN：Lil'Log 解析生成对抗网络的数学原理与训练难题
Lilian Weng 在 Lil'Log 撰文解析 GAN 的数学原理：判别器最优值为 p_r(x)/(p_r(x)+p_g(x))，当生成分布等于真实分布时该值为 1/2，此时 GAN 损失函数等价于 JS 散度，最优损失为 -2log2。文章随后讨论 GAN 训练中的纳什均衡难达成、梯度消失、模式崩溃等问题，并引入 Wasserstein GAN（WGAN）作为改进方案。