شبکه های تقابلی مولد، طبقه‌ای از تکنیک‌های یادگیری ماشین بوده که از دو مدل آموزش دیده به‌صورت هم‌زمان تشکیل شده است: یکی (ژنراتور) برای تولید داده‌های جعلی آموزش داده شده، و دیگری (تمایزگر) برای تشخیص داده‌های جعلی از نمونه‌های واقعی آموزش می‌بیند. واژه مولد نشانگر هدف کلی مدل است: تولید داده جدید. داده‌هایی که GAN یاد می‌گیرد تولید کند، به انتخاب مجموعه داده بستگی دارد. به‌عنوان مثال، اگر سنتز تصاویری که شکل نقاشی‌های لئونارد داوینچی است مدنظر باشد، مجموعه‌های داده آموزشی، کارهای هنری داوینچی خواهد بود. اصطلاح تقابلی به دینامیک رقابتی شبه بازی بین دو مدل اشاره دارد، که قالب GAN را تشکیل می‌دهد: ژنراتور و تمایزگر.

این کتاب در 12 فصل زیر توسط دکتر ایوب ترکیان در انتشارات نیاز دانش به چاپ رسیده است.

 فصل 1: مقدمه و کاربردهای شبکه تقابلی مولد

 فصل 2: مقدمه مدلسازی مولد با خود رمزگذارها

فصل 3: تولید اعداد دست نویس

فصل 4: GAN عميق كانولوشن

فصل 5:آموزش و چالشهاي متداول

فصل 6:GANهاي پيشرو

فصل7:GAN هاي نيمه نظارتي

فصل8: GAN هاي شرطی

فصل9:CycleGAN

فصل 10:نمونه هاي تقابلي

فصل 11:کاربردهای عملی

فصل 12: آینده نگری

خواهشمند است نظرات انتقادی خود را در مورد کتاب با مدیریت انتشارات از طریق ایمیل و یا  شماره تلفن های انتشارات در میان و پیشنهادات خود را جهت بهبود و رفع کاستی ها اعلام فرمایید.