1. 毕业设计（论文）主要目标：
随着技术发展，如何保证图像的质量越发重要，生成高质量图像已成为一项重要课题。基于生成对抗网络的方法生成高质量的图像的方法被应用，加载的配套的损失函数，仅仅使用相对简单的模型结构和标准训练程序就可以提高图像视觉质量，即使在更高的分辨率下，也能保证图像的质量。
生成性对抗网路促进平衡方法在围绕生成器G(z)和判别器D(x)构建，提供近似收敛策略，实现快速稳定的训练，可以生成非常逼真的图像，比使用像素损失的自编码器更加锐利清晰。
2. 毕业设计（论文）主要内容：
在高分辨率下生成一致性性高清晰度的图像
生成与真实图像相接近的连续性图像
生成高保真度的图像
3. 主要参考文献
[1] MartinArjovsky, Soumith Chintala, and Lon Bottou. Wasserstein gan. arXiv preprintarXiv:1701.07875, 2017.
[2] Sanjeev Arora, Rong Ge, Yingyu Liang, Tengyu Ma,and Yi Zhang. Generalization and equilibrium in generative adversarial nets(gans). arXiv preprint arXiv:1703.00573, 2017.
[3] Yoshua Bengio, Patrice Simard,and Paolo Frasconi. Learning long-term dependencies with gradient descent isdifficult. IEEE transactions on neural networks, 5(2):157–166, 1994.
以上是毕业论文任务书，课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
