1. 毕业设计（论文）的内容和要求
课题研究的内容、目的及意义： 老照片往往存在不够清晰，破损严重的问题。
生成式对抗网络（GAN, Generative Adversarial Networks ）是一种深度学习模型，是近年来复杂分布上无监督学习最具前景的方法之一。
GAN算法通常用于对抗样本的生成，力求所得样本达到以假乱真的效果。
2. 参考文献
[1] Goodfellow I J, Pouget-Abadie J, Mirza M, Xu B, WardeFarley D, Ozair S, et al. Generative adversarial nets. In: Proceedings of the 27th International Conference on Neural Information Processing Systems. Montreal, Canada: MIT Press, 2014. 26722680[2] Goodfellow I. NIPS 2016 tutorial: Generative adversarial networks. arXiv preprint arXiv: 1701.00160, 2016[3] 王坤峰,苟超,段艳杰,林懿伦,郑心湖,王飞跃.生成对抗网络 GAN 的研究与展望 [J]. 自动化学报, 2017，43 (3): 321-332.[4] Al Gharakhanian，张含阳.无监督学习、GAN 和强化学习将构建机器学习的未来[J]. 机器人产业. 2017.2:1-5.[5] 朱秀昌,唐贵进.生成对抗网络图像处理综述[J].南京邮电大学学报.2019，39(3):1－12．[6] Isola P, Zhu J Y, Zhou T, et al., Image-to-Image Translation with Conditional Adversarial Networks[C],IEEE Conference on Computer Vision Pattern Recognition, 2017:5967-5976[7] Radford A, Metz L, Chintala S，Unsupervised representation learning with deep convolutional generative adversarial networks[J]. 2015.[8] 陈伟宏,安吉尧,李仁发,李万里.深度学习认知计算综述 [J]. 自动化学报, 2017, 43(11): 18861897)[9] 张喜升.对抗样本和生成对抗网络深度学习中的对抗方法综述［D].天津: 南开大学，2016．[10] 林懿伦,戴星原,李力,王晓.人工智能研究的新前线: 生成式对抗网络 [J].自动化学报，2018,44(5):775-792除上述文献外，请再自行查阅相关文献不少于20篇。
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。
