简介： 生成对抗网络（GANs）是最近的热门研究主题。自2014年以来，人们对GAN进行了广泛的研究，并且提出了许多算法。但是，很少有全面的研究来解释不同GAN变体之间的联系以及它们是如何演变的。在本文中，我们尝试从算法，理论和应用的角度对各种GAN方法进行叙述。首先，详细介绍了大多数GAN算法的动机，数学表示形式和结构。此外，GAN已与其他机器学习算法结合用于特定应用，例如半监督学习，迁移学习和强化学习。本文比较了这些GAN方法的共性和差异。其次，研究了与GAN相关的理论问题。第三，说明了GAN在图像处理和计算机视觉，自然语言处理，音乐，语音和音频，医学领域以及数据科学中的典型应用。最后，指出了GAN未来的开放研究问题。

目录：