技术特征：
技术总结
本发明属于对抗网络技术领域，公开了一种用自适应控制学习改进生成对抗网络方法(GAN)，适用于GAN的自适应超参数学习过程，以提高不同数据集的训练稳定性，从而保证生成数据(如图像、文字)的质量。这是通过在类别和模式相对简单的数据集下获取的训练有素的学习曲线指导类别和模式相对复杂的数据集的训练过程来实现的；本发明还分析了具有多层感知器(MLP)和深度卷积神经网络(DCGAN)架构的自适应生成对抗网络(Ak‑GAN)模型。本发明确实可以提高通用GAN训练的稳定性，并可以很好地推广到各种改进模型和数据集；对于未来的工作，计划分析更好的生成样本度量，这可能会鼓励GAN的收敛；希望分析所提出的自适应控制机制在GAN多模态学习中的作用。
技术研发人员：金日泽;马晓寒;白准永;孙庆雅;郑泰善
受保护的技术使用者：天津工业大学
技术研发日：2019.03.02
技术公布日：2019.06.18