理解对抗网络，首先要了解生成模型和判别模型。判别模型比较好理解，就像分类一样， 有一个判别界限，通过这个判别界限去区分样本。理解了生成模型和判别模型后，再来理解对抗网络就很直接了，对抗网络只是提出了一 种网络结构，总体来说， GANs 简单的想法就是用两个模型，一个生成模型，一个判别模型。

在当今过程控制中，PID当然是用的最多的控制方法，但MPC也超过了10%的占有率。MPC是一个总称，有着各种各样的算法。其动态矩阵控制（DMC）是代表作。DMC采用的是系统的阶跃响应曲线，其突出的特点是解决了约束控制问题。那么是DMC是怎么解决约束的呢？在这里只给出宏观的解释，而不做详细的说明。DMC把线性规划和控制问题结合起来，用线性规划解决输出约束的问题，同时解决了静态最优的问题，一石二鸟，在工业界取得了极大的成功。

深度学习最强资源推荐：一文看尽 GAN 的前世今生.pdf

中科院 UGAN论文.pdf

一个简单的GAN网络实例，可直接运行，非常适合初学者入门！

GAN字体设计 用于训练/生成GAN的代码，即用于字体设计的代码。 样品 生成的字体具有多种样式，可以作为字符读取。 在样式输入空间中随机漫步。 您可以观看逐渐变形的字体。 如何使用 环境 验证者仅在以下环境中检查运行代码： Ubuntu 16.04 LTS GeForce GTX 1080和（驱动程序版本：384.111） （需要会员资格） 如果您想在最新环境下运行，请根据需要修改一些文件。 首先克隆该存储库。 添加--recursive因为此存储库包含子模块（ ） git clone --recursive https://github.com/uchidalab/fo

利用生成对抗网络对股票进行预测

李宏毅 GAN课程PDF讲义分享-附件资源

生成式对抗攻击。GAN代码。有解释，比较不错的初学者入门学习资资料。

pix2pix是最经典的GAN网络，也是学习GAN最开始最应该学习的一种网络。该资源包含了pix2pix的完整代码，可以直接上手，方便各位学习。