| 摘要 | 第2-3页 |
| Abstract | 第3页 |
| 引言 | 第6-8页 |
| 0.1 生成式模型的发展 | 第6页 |
| 0.2 本文主要结构及要解决的问题 | 第6-8页 |
| 1 相关工作 | 第8-20页 |
| 1.1 前向传播网络 | 第8-10页 |
| 1.1.1 单个神经元结构与计算 | 第8页 |
| 1.1.2 单隐层神经网络 | 第8-9页 |
| 1.1.3 BP算法 | 第9-10页 |
| 1.2 变分自编码器 | 第10-15页 |
| 1.2.1 变分推断 | 第11-12页 |
| 1.2.2 变分自编码器 | 第12-15页 |
| 1.3 生成式对抗网络 | 第15-17页 |
| 1.3.1 理论保证 | 第16-17页 |
| 1.3.2 算法 | 第17页 |
| 1.4 集中常见的GAN变种 | 第17-20页 |
| 1.4.1 conditional GAN | 第17-18页 |
| 1.4.2 InfoGAN | 第18-19页 |
| 1.4.3 WGAN | 第19-20页 |
| 2 对抗学习推断的方法研究 | 第20-25页 |
| 2.1 对抗学习推断 | 第20页 |
| 2.2 基于f-散度的变分散度最小化 | 第20-25页 |
| 2.2.1 变分散度最小化 | 第23页 |
| 2.2.2 f-ALI的单步梯度法 | 第23-25页 |
| 3 f-ALI网络 | 第25-28页 |
| 3.1 BatchNormalization | 第25-26页 |
| 3.2 NetworkinNetwork | 第26-28页 |
| 4 实验部分 | 第28-33页 |
| 4.1 f-ALI对于MNIST数据集的生成 | 第28页 |
| 4.1.1 KL距离下的ALI对于MNIST图像数据集的生成 | 第28页 |
| 4.2 f-ALI对于CIFAR数据集的生成 | 第28-33页 |
| 结论 | 第33-34页 |
| 参考文献 | 第34-35页 |
| 附录A f-ALI网络结构 | 第35-37页 |
| .1 MNIST f-ALI | 第35页 |
| .2 CIFAR f-ALI | 第35-37页 |
| 攻读硕士学位期间发表学术论文情况 | 第37-38页 |
| 致谢 | 第38-40页 |