[发明专利]一种基于对偶距离损失的生成对抗网络训练方法

权利要求书

1.一种基于对偶距离损失的生成对抗网络训练方法，包括以下步骤：

S1：获取目标分布的数据集，以及对数据集进行预处理；

S2：设置生成器和判别器神经网络的结构和参数，以及训练过程中的学习率；

S3：根据步骤S2中的神经网络的参数计算出对偶距离损失函数；

S4：基于步骤S3中的对偶距离损失函数采用随机梯度下降法，训练生成器，使之可以生成真实分布。

2.根据权利要求1所述基于对偶距离损失的生成对抗网络训练方法，其特征在于：所述的对偶距离损失函数为其中其中x_i是真实分布中的样本点，z_i是高斯分布中的样本点，m、n为正整数，f为判别器，g为生成器，和分别为判别器和生成器所在的空间。

3.根据权利要求2所述基于对偶距离损失的生成对抗网络训练方法，其特征在于：计算摄动点，然后由所述的摄动点确定对偶距离损失函数，以及优化方向，包括以下步骤：

步骤1：初始化，即对目标数据集进行处理，给定初始状态下的判别器f₀和生成器g₀，设置好参数γ∈(0，2)和以及k＝0，给定两个正整数m和n；

步骤2：数据点的随机选取，即在目标数据集中选取m个点，记作{x₁，...，x_m}，在一个指定的高斯噪声中选取n个点，记作{z₁，...，z_n}；

步骤3：摄动点的计算，即对于给定的生成器g_k和判别器f_k，考虑计算摄动点以及

步骤4：优化方向计算，即考虑函数的子梯度，记作和而后考虑优化方向，分别为

步骤5：更新步骤，即计算以及以及τ_k＝γE_k/||d_k||²。

4.根据权利要求3所述基于对偶距离损失的生成对抗网络训练方法，其特征在于：所述的方法包括很好的泛化性，即至少以1-3δ的概率满足：