深度合成主要依赖自动编码器和生成对抗网络等人工智能技术()。

A.深度自动编码器

B.生成对抗网络

C.无线网络

D.长短期记忆

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.卷积网络

B.判别网络

C.神经网络

D.深度网络

A.判别器的判别能力开始训练时越强，GAN越容易训练

B.若生成器产生新样本依赖的随机噪声z与真实样本的数据分布差别很大，GAN训练会失效

C.生成器由一个前馈神经网络或反卷积深度网络实现，其目标是要使生成的图像与真实的样本一样

D.如果判别器发生了过拟合，那么生成器可能会生成一起很奇怪的样本

A.生成器、判别器

B.解码器、判别器

C.编码器、判别器

D.编码器、解码器

A.对抗生成网络

B.可解释性人工智能

C.数字孪生体

D.自动机器学习

A.图像生成

B.对象检测

C.人脸合成

D.音乐合成

A.自动编码器

B.卷积神经网络

C.深度信念网络

D.高斯过程回归

A.RNN:语音识别、问答系统、语言建模和文本生成等诸多领域

B.GAN:图像合成、语义图像编辑、风格迁移、图像超分辨率技术和分类

C.VAE:从生成假人脸到合成音乐等

D.LSTM:捕捉到序列中长距离历史信息，但不能缓解长期依赖问题，应使用RNN实现有效缓解长期依赖