生成对抗网络GAN正则化方法: 近期研究综述

尽管生成式对抗网络(GAN)的历史并不长，但它已被广泛地研究和用于各种任务，包括其最初的目的，即合成样品的生成。然而，将GAN用于具有不同神经网络结构的不同数据类型，由于其在训练方面的局限性，使得模型很容易出现混乱。这种臭名昭著的GAN训练是众所周知的，并已在许多研究中提出。因此，为了使GAN的训练更加稳定，近年来提出了许多正则化方法。本文综述了近年来引入的正则化方法，其中大部分是近三年来发表的。具体地说，我们关注的是那些可以被普遍使用的方法，而不管神经网络体系结构如何。根据其运算原理将其分为若干组，并分析了各方法之间的差异。此外，为了提供使用这些方法的实际知识，我们调研了在最先进的GANs中经常使用的流行方法。此外，我们还讨论了现有方法的局限性，并提出了未来的研究方向。