生成对抗网络（GAN）的判别器要区分真样本和假样本，因此GAN是一种监督学习算法。

A.生成器要最小化判别模型D的判别准确率，而判别器要尽量最大化真假分类准确率

B.训练GAN要达到生成器和判别器的博弈平衡，因此GAN的代价函数需要综合考虑两者的性能

C.通过交替训练判别器和生成器，不断提高两者的性能，使两者的性能达到某个平衡点

D.一般来说，GAN通过训练总能达到代价函数的极小值

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.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.生成对抗是一类具体的模型，同时也是一种解决问题的思路，具有强大的可塑性

B.判别式模型直接预测类别，应用简便，但适应性差

C.生成式模型通过大量样本得到概率函数，进而采样生成新的样本，但在少量样本的情况下很难对类型进行准确的概率估计

D.当GAN中的判别器无法再判断生成器生成的样本的真假时，认为生成器就具有了模拟真实样本的能力

A.生成器产生的样本种类单一，仅仅局限于真实样本的局部分布

B.生成器产生的样本难以骗过判别器

C.总代价函数对生成器和判别器参数的梯度消失

D.生成对抗网络训练缓慢，可能是生成器或判别器的结构或参数设置不当