生成对抗网络入门指南（第2版）

封面

版权信息

插图

前言

第1章 人工智能入门

1.1 人工智能的历史以及发展

1.2 机器学习与深度学习

1.3 了解生成对抗网络

1.4 本章小结

第2章 预备知识与开发工具

2.1 Python语言与开发框架

2.2 TensorFlow基础入门

2.3 Keras基础入门

2.4 本章小结

第3章 理解生成对抗网络

3.1 生成模型

3.2 GAN的数学原理

3.3 GAN的可视化理解

3.4 GAN的工程实践

3.5 本章小结

第4章 深度卷积生成对抗网络

4.1 DCGAN的框架

4.2 DCGAN的工程实践

4.3 DCGAN的实验性应用

4.4 本章小结

第5章 Wasserstein GAN

5.1 GAN的优化问题

5.2 WGAN的理论研究

5.3 WGAN的工程实践

5.4 WGAN的实验效果分析

5.5 WGAN的改进方案：WGAN-GP

5.6 本章小结

第6章 不同结构的GAN

6.1 GAN与监督式学习

6.2 GAN与半监督式学习

6.3 GAN与无监督式学习

6.4 本章小结

第7章 文本到图像的生成

7.1 文本条件式生成对抗网络

7.2 文本生成图像进阶：GAWWN

7.3 文本到高质量图像的生成

7.4 本章小结

第8章 图像到图像的生成

8.1 可交互图像转换：iGAN

8.2 匹配数据图像转换：Pix2Pix

8.3 非匹配数据图像转换：CycleGAN

8.4 多领域图像转换：StarGAN

8.5 本章小结

第9章 序列数据的生成

9.1 序列生成的问题

9.2 GAN的序列生成方法

9.3 自然语言生成

9.4 本章小结

第10章 GAN与强化学习及逆向强化学习

10.1 GAN与强化学习

10.2 GAN与逆向强化学习

10.3 本章小结

第11章 新一代GAN

11.1 GAN的评估方法

11.2 GAN的进化

11.3 本章小结

第12章 GAN的应用与发展

12.1 多媒体领域的应用

12.2 艺术领域的应用

12.3 设计领域的应用

12.4 安全领域的应用

12.5 本章小结