【发布时间】：2018-02-10 16:22:56
【问题描述】：
我们知道生成对抗网络 (GAN) 可以生成与真实数据相似的数据。一般来说，Generator 需要一个随机变量 z 作为输入，并生成一个向量来表示数据 x。有新数据不知道怎么计算P_G(x)的概率，想知道GAN生成的概率？
【问题讨论】：
标签： machine-learning deep-learning
【发布时间】：2018-02-10 16:22:56
【问题描述】：
您无法使用 GAN 直接计算数据的可能性。
原始 GAN 论文使用基于 parzen 窗口的似然估计。您可以从 GAN 生成数据，并使用该数据通过您喜欢的任何方法来估计可能性。
【讨论】：
-
感谢您的回答。我尝试为最大似然估计实现神经网络（NN）模型。从 GAN 生成的数据 x 输入到 NN，NN 输出 p(x|theta) 的概率，theta 作为 NN 的参数。 Theta 不断调整，直到 p(x|theta) 接近 1。当我完成训练过程并输入任何 x 给 NN 时，我发现 NN 总是输出 1。不知道这个过程是否正确？
-
我不确定这将如何工作。你的损失函数到底是什么/？