可以由任何消费者进行消费，任何－个消费者都不会被排斥在外，这是公共物品的（）。

A、生成对抗网络只包含若干个生成器，优胜者胜出

B、生成对抗网络，即Generative Adversarial Networks，简称GAN

C、生成对抗网络包括两部分，即生成器和判别器

D、生成对抗网络的生成器:从随机噪声中生成图像（随机噪声通常从均匀分布或高斯分布中获取）

A．它们都是深度生成模型

B．对于与训练样本分布不同的数据，自编码器的输出会有别于训练样本；生成对抗网络会判别为假样本

C．自编码器可以作为一个生成对抗网络使用

D．它们都可以用于数据增强

A．生成对抗网络包括两部分，即生成器和判别器

B．生成对抗网络的判别器进行训练时，其输入为生成器生成的图像和来自训练集中的真实图像，并对其进行判别

C．生成对抗网络的生成器从随机噪声中生成图像（随机噪声通常从均匀分布或高斯分布中获取）

D．既然生成对抗网络是无监督模型，则不需要任何训练数据

A．生成式学习算法能够获取类别本身的特征

B．生成对抗网络包括生成网络和判别网络两部分

C．生成式学习算法能够创造的新样本是有限的

D．当判别网络输出概率为0.5时，表示它无法判别生成样本的真伪

A．生成式模型模拟概率分布时，常用“后验分布”

B．用生成式模型根据少量样本来估计整个类型的概率特征是很困难的

C．判别式模型对问题本质缺乏了解，无法从个例中抽象出整体概念

D．生成对抗网络结合了生成模型和判别模型

A．判别网络和生成网络的训练是并行的

B．判别网络和生成网络的代价函数是相同的，目标是一致的

C．类似于卷积神经网络，生成对抗网络的训练也需要很多真实的样本

D．在训练时，需要平衡判别网络和生成网络的能力

A．生成模型不要任何训练数据

B．生成对抗网络GAN属于生成式模型

C．变分自动编码器属于生成式模型

D．自动编码器属于生成式模型

A．训练可能不稳定、梯度消失

B．可以产生清晰逼近真实的样本

C．广泛应用于监督式学习领域

D．一般由一个生成网络与一个判别网络组成

A．图像生成

B．数据增强

C．信息检索

D．语义分割