摘要：為了解決生成對(duì)抗網(wǎng)絡(luò)(Generative adversarial networks,GAN)的訓(xùn)練難問題,該文在Wasserstein GAN(WGAN)方法基礎(chǔ)上提出了迭代化代價(jià)函數(shù)及超參數(shù)可變的生成對(duì)抗網(wǎng)絡(luò)。為了對(duì)原始WGAN中的懲罰項(xiàng)進(jìn)行改進(jìn),用迭代的方法增加懲罰項(xiàng)代替原始隨機(jī)選取的方法。針對(duì)WGAN中固定代價(jià)函數(shù)懲罰項(xiàng)的超參數(shù),提出變動(dòng)超參數(shù)策略,其變動(dòng)的依據(jù)是仿分布和真實(shí)分布之間的距離。在MNIST手寫字體數(shù)據(jù)集和CELEBA人臉數(shù)據(jù)集上的實(shí)驗(yàn)表明,與傳統(tǒng)WGAN方法相比,該文方法在生成器的擬合速度上有了顯著提高,充分驗(yàn)證了方法的有效性。