Maximum Likelihood Estimation 最大似然估计

有目标分布P_data(x)，可以从中sample出一些样本{x¹, x², x³,···x^m}

P_G(x; θ)由参数θ控制，调整θ使得P_G(x; θ)接近P_data(x)

P_data(x)为目标images，P_G(x; θ)为Generator生成的images

这样我们就可以从P_G(x; θ)中随意生成与P_data(x)相近的样本

通过计算样本{x¹, x², x³,···x^m}来自P_G(x; θ)的概率，

最大化其似然函数(Likelihood) 

 

 

 从而得到θ的最大似然估计量θ^*

 *但GAN用的是JS Divergence