Стратегия обучения нейронных сетей, при которой две разные глубокие сети противопоставлены друг другу.

Цель - создание одной сети, создающей новые образцы, отличающиеся от обучающих, но близкие к ним.

Когда сеть GAN обучена на некотором наборе данных, мы способны создать много данных подобного типа, неотличимые от обучающих данных.

Обычно модель GAN строится на антагонистических сетях - одна модель-генератор и одна модель-дискриминатора.

Мы рассмотрим пример реализации GAN-моделей и разберем проблемы, связанные с применением данного подхода.