关键词：生成对抗网络 梯度消失 模式崩溃 图像领域 风格迁移 

摘要：自生成对抗网络GAN提出以后,现这一方向已成为人工智能方向的研究热点. GAN的思想采用二人零和博弈方法,由生成器和判别器构成,生成器负责生成样本分布,判别器则判别输入是真实样本还是生成样本,生成器和判别器不断交互优化,最终达到最优效果. GAN模型的提出无疑是很新颖的,但也存在很多缺点,比如梯度消失问题、模式崩溃等.随着研究的深入, GAN不断优化扩展, GAN的衍生模型也层出不穷. GAN可应用于不同领域,主要为计算机图像和视觉领域,在图像领域有着突出的效果,能生成高分辨率逼真的图像,能对图像进行修复、风格迁移等,也能生成视频并进行预测等. GAN也能生成文本,可以进行对话生成、机器翻译、语音生成等.同时,GAN在其他领域也有涉及,比如生成音乐、密码破译等.但是GAN在其他领域的应用效果并不显著,那么,如何提高GAN在其他领域的应用效果将值得深入研究,使生成对抗网络在人工智能方面大放异彩.

计算机系统应用杂志要求:

{1}参考文献按GB/T 7714-2005《文后参考文献著录规则》采用顺序编码制著录，依照其在文中出现的先后顺序用阿拉伯数字加方括号标出。

{2}文责自负。概不接受抄袭稿件。本刊概不退稿，请作者自留底稿。

{3}请勿一稿多投，三个月内未接到本刊录用通知可另行处理。

{4}文题：力求简明、醒目，反映出文章的主题。中文文题一般以20个汉字以内为宜。

{5}正文应层次清楚，方便阅读，行文符合规范。正文中的各级标题分别为：“1”、“1.1”、“1.1.1”等。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社