前阵子学习GAN的过程发现现在的GAN 综述文章大都是2016年 lan Goodfellow或者自动化所王飞跃老师那篇。可是在深度学习，GAN领域，其进展都是以月来计算的，感觉那两篇综述有些老了

“人机对抗ERP电子沙盘”跟目前各个高校使用的用友ERP沙盘和金蝶工业ERP沙盘原理完全相同，规则一致，只是将手工要分成6组以上的团队进行企业经营模拟对抗的课程完全搬到了电脑上，电脑操作者为一个小组，电脑里虚拟了五个小组，从沙盘软件系统中进行6个小组间的对抗，经营6年后会通过一个综合成绩进行组间排名，评比出优胜者，同时该综合成绩可以作为沙盘实验课程的结课成绩。

里面包含了一些参加ERP沙盘模拟的心得，对学习ERP沙盘的人有帮助

卷积生成对抗网络之人脸识别（详细步骤讲解+注释版） 注释见代码内，讲解见本人博客

关于生成对抗GAN的干货都在这里了。

本文介绍了一种基于图像生成对抗网络的算法，用于感知遮挡人脸的还原。该算法通过对抗网络的生成器和判别器进行训练，实现了对遮挡人脸的还原。实验结果表明，该算法在还原遮挡人脸方面具有较好的效果。本文的研究对于提高人脸识别的准确性和安全性具有重要意义。

CNN-generated images are surprisingly easy to spot... for now论文中的权重

摘要：雷达目标识别技术是人工智能在装备领域的重要应用，随着人工智能技术的发展，雷达识别也在不断进步，从模式识别、机器学习到近年来的发展迅猛的深度学习、迁移学习等

使用PyTorch构建GAN生成对抗网络源码 博客文章中包含了每行代码的详解，自行查看即可

在医疗领域，许多疾病的诊断依赖高倍数显微镜对细胞等微观物体的观测，但由于高倍数显微镜价格昂贵，操作复杂，且高倍数细胞显微图像重建工作存在低、高倍数显微图像之间图片风格不统一、细胞图像清晰度不致和训练数据不匹配等问题。为此，提出高倍数细胞显微图像生成式对抗网络。将全新激活函数引入Cyclean网络，在生成器中添加新的残差密集块并去掉BN层。同时为确保生成图像真实可信，在生成器训练过程中考虑细节感知损失。实验结果表明，该方法在保留低倍数显微图像基本信息的基础上，能够对高倍数显微图像细节进行有效的还原。