شبکه های تقابلی مولد، طبقه‌ای از تکنیک‌های یادگیری ماشین بوده که از دو مدل آموزش دیده به‌صورت هم‌زمان تشکیل شده است: یکی (ژنراتور) برای تولید داده‌های جعلی آموزش داده شده، و دیگری (تمایزگر) برای تشخیص داده‌های جعلی از نمونه‌های واقعی آموزش می‌بیند. واژه مولد نشانگر هدف کلی مدل است: تولید داده جدید. داده‌هایی که GAN یاد می‌گیرد تولید کند، به انتخاب مجموعه داده بستگی دارد. به‌عنوان مثال، اگر سنتز تصاویری که شکل نقاشی‌های لئونارد داوینچی است مدنظر باشد، مجموعه‌های داده آموزشی، کارهای هنری داوینچی خواهد بود. اصطلاح تقابلی به دینامیک رقابتی شبه بازی بین دو مدل اشاره دارد، که قالب GAN را تشکیل می‌دهد: ژنراتور و تمایزگر.
این کتاب در 12 فصل زیر به چاپ رسیده است:
فصل 1: مقدمه و کاربردهای شبکه تقابلی مولد
فصل 2: مقدمه مدلسازی مولد با خود رمزگذارها
فصل 3: تولید اعداد دست نویس
فصل 4: GAN عمیق کانولوشن
فصل 5:آموزش و چالشهای متداول
فصل 6:GANهای پیشرو
فصل7:GAN های نیمه نظارتی
فصل8: GAN های شرطی
فصل9:CycleGAN
فصل 10:نمونه های تقابلی
فصل 11:کاربردهای عملی
فصل 12: آینده نگری
کتاب یادگیری عمیق با شبکه تقابلی مولد
نیاز دانش
