GAN（生成对抗网络2014论文），包括原文和翻译

中国嘻哈一代 2018年DeeCamp人工智能夏令营项目，使用GAN进行中文嘻哈歌词生成。 DeeCamp 2018项目，使用GAN生成中文嘻哈歌词。 注意 因时间仓促，代码写的有些混乱（或其他变量命名等），也可能存在一些错误，欢迎提成PR共同改进。造成收益有限，不再更新，有问题欢迎提问题，我会尽最大努力地提供帮助。 该代码现在一团糟，使用时请小心。 如果发现一些错误并提出问题寻求帮助，欢迎进行PR。 数据集 训练数据以及押韵表可以从Google云，也可以可以根据我的更改数据集 可以从下载处理过的训练数据和韵律表，还了原始歌词（10，000句）。 要求 Python3 TensorFlo

基于生成式对抗网络GAN的自动驾驶容错感知研究

最原始的SEGAN论文

行业分类-作业装置-一种基于GAN和三维模型参数的可调人脸图片生成方法.7z

作为新型功率器件，GaN器件越来越多的得到关注，但是如何很好的应用是关键。

神经网络相关技术研究，基于生成对抗网络的信息隐藏算法模型，基于生成对抗网络的数字水印算法模型

GAN原始论文的中文翻译版 - 来自七月翻译组 生成式对抗网络（GAN, Generative Adversarial Networks ）是一种深度学习模型，是近年来复杂分布上无监督学习最具前景的方法之一。模型通过框架中（至少）两个模块：生成模型（Generative Model）和判别模型（Discriminative Model）的互相博弈学习产生相当好的输出。原始 GAN 理论中，并不要求 G 和 D 都是神经网络，只需要是能拟合相应生成和判别的函数即可。但实用中一般均使用深度神经网络作为 G 和 D 。一个优秀的GAN应用需要有良好的训练方法，否则可能由于神经网络模型的自由性而导致输出不理想。

使用 GAN 生成 MNIST 虚假数据集实验报告

生成对抗网络入门指南pdf及部分例程