深度对抗学习深度学习模型与传统的机器学习方法一样,通常假设训练数据与测试数据服从同样的分布,或者是在训练数据上的预测结果与在测试数据上的预测结果服从同样的分布,另外有时候并不能很好地学到训练数据中的一些特征。深度对抗学习就是为了解决上述问题而被提出的一种方法。学习的过程可以看做是我们要得到一个模型(例如CNN),使得它在一个输入数据上得到的输出结果尽可能与真实的结果一致。在这个过程中使用一个鉴别器(discriminator),它可以识别出一个结果到底是来自模型的预测值还是来自真实的结果。如果这个鉴别器的水平很高,无法分清它们之间的区别,那么就说明我们需要的模型具有很好的表达或者预测能力。