近些年,随着深度学习的发展,对抗网络逐渐成为研究的热点话题之一。目前,对抗网络主要被用在图像识别、语音信号处理、生物识别等领域,常用于检测极端环境下算法的鲁棒性。本文从数学原理角度解析对抗系统原理,读懂本文,能够提升对于整个对抗系统的理解。 # ~+ [5 z$ Q5 @9 _/ c' O5 h$ \0 x9 x, G B$ s
针对带有不确定偏好序的双边匹配问题,现有方法大都仅注重整体收益之和,忽略了参与人的个体收益以及在交互选择中的策略运用.基于最大满意度准则,给出不确定序下的收益(满意度)矩阵的推导过程;然后,从个体理性视角,结合矩阵博弈的思想构建一种兼顾整体和个体收益的博弈匹配优化模型,并证明模型最优解满足纳什均衡.最后,进一步探讨各种策略选择及其优劣分析. & e6 u, w6 B% T& ?2 [, Y 4 E, T W3 L# j& o5 I" c - P, z+ H7 k+ b+ u# l