最小二乘迁移生成对抗网络

来源：计算机工程与应用杂志2019年第14期北京时间：

作者：王孝顺，陈 丹，丘海斌

单位：福州大学 电气工程与自动化学院，福州 350116

摘要：现有的生成对抗网络（Generative Adversarial Networks，GAN）损失函数已经被成功地应用在迁移学习方法中。然而，发现这种损失函数在学习过程中可能会出现梯度消失的问题。为了克服该问题，提出了一种学习领域不变特征的新方法，即最小二乘迁移生成对抗网络（Least Squares Transfer Generative Adversarial Networks，LSTGAN）。LSTGAN采用最小二乘生成对抗网络（Least Squares Generative Adversarial Networks，LSGAN）损失函数，通过单领域判别的训练方式来减少领域分布之间的差异。通过研究表明，所提方法与其他有竞争力的算法相比较具有一定的优越性。

关键词：生成对抗网络,迁移学习,梯度消失,领域不变特征,最小二乘生成对抗网络损失函数