| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 引言 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 研究现状 | 第12-14页 |
| 1.3 本文的主要研究内容 | 第14-16页 |
| 1.4 本文的组织结构 | 第16-17页 |
| 第二章 背景知识介绍 | 第17-27页 |
| 2.1 GAN算法介绍 | 第17-19页 |
| 2.2 深度学习 | 第19-24页 |
| 2.2.1 梯度下降法 | 第19-20页 |
| 2.2.2 自适应学习率算法 | 第20-23页 |
| 2.2.3 ResNet网络 | 第23-24页 |
| 2.3 度量函数 | 第24-26页 |
| 2.3.1 散度 | 第24页 |
| 2.3.2 最大均值差异 | 第24-26页 |
| 2.4 InceptionScore | 第26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 基于类条件分布矩匹配的生成式对抗网络 | 第27-41页 |
| 3.1 主要思想 | 第27-28页 |
| 3.2 网络结构 | 第28-29页 |
| 3.3 类条件分布 | 第29-30页 |
| 3.4 非对称正则项 | 第30页 |
| 3.5 算法框架 | 第30-33页 |
| 3.6 实验结果与分析 | 第33-40页 |
| 3.6.1 实验参数设置 | 第33页 |
| 3.6.2 实验数据集介绍 | 第33-34页 |
| 3.6.3 MNIST实验 | 第34-37页 |
| 3.6.4 CIFAR-10实验 | 第37-40页 |
| 3.7 本章小结 | 第40-41页 |
| 第四章 基于联合分布矩匹配的生成式对抗网络 | 第41-56页 |
| 4.1 基本思想 | 第41页 |
| 4.2 网络结构 | 第41-43页 |
| 4.3 算法框架 | 第43-46页 |
| 4.3.1 联合分布矩匹配 | 第43-45页 |
| 4.3.2 JDMMGAN模型 | 第45-46页 |
| 4.4 实验结果与分析 | 第46-55页 |
| 4.4.1 实验数据集 | 第47页 |
| 4.4.2 实验参数设置 | 第47-48页 |
| 4.4.3 MNIST实验 | 第48-50页 |
| 4.4.4 CIFAR-10实验 | 第50-54页 |
| 4.4.5 ExtendedYaleFace和手写汉字实验 | 第54-55页 |
| 4.5 本章总结 | 第55-56页 |
| 第五章 总结与展望 | 第56-58页 |
| 5.1 本文总结 | 第56-57页 |
| 5.2 本文展望 | 第57-58页 |
| 参考文献 | 第58-64页 |
| 致谢 | 第64-66页 |
| 在学期间科研成果 | 第66页 |