章杉果断选择了将礼包进行分解转换

系统：“礼包随机转换中”

“恭喜宿主将该神秘礼包随机转换成学术成果类，恭喜宿主成功获得0级论文两篇和1级论文一篇。”

随着系统播报的结束，章杉看见手边的电脑突然出现了几个网页。

章杉随便点了一个网页，赫然就看见一篇叫做

rrppnnrrsrrs

的论文，此时自动投稿了。

投稿的自然是方向。

这篇论文目前显示的是rsn的状态。

章杉知道这篇论文已经通过了技术编辑的审查

而且编辑已经找到了适合的同行评审员，并送出审稿邀请，正在等待审稿人的接受。

一般情况下，投稿成功后，在b的状态就会待至少两个星期左右了，直到稿件被接收。

当投稿页面状态变为r时，也就意味着稿件被接收了。

如果投稿的期刊没有选择编辑的要求，那论文会先到主编处，主编再分派给相应的技术编辑。

而技术编辑那，也是决定论文生死的第一关。

这个阶段，因为论文的情况不同，卡的时间也会不同。

如果技术编辑看过论文后，认为论文适合期刊，就会送交同行评审。也就是章杉论文现在的rsn状态。

如果实力不够或者运气不好，有可能在外审前退回作者。

这种时候，投稿页面的状态就会变成snnrss，而论文投稿者也会收到拒绝的通知。

当然这对于章杉来说几乎是不可能的。

而且对于一瞬间达到常人几乎好久才能达到的进度rsn，章杉也已经见怪不怪了

至于这篇署名章杉的论文rrppnnrrsrrs写的是生成式对抗网络的进一步应用。

论文是深度学习相关的

生成式对抗网络以下简称是一种深度学习模型，是近年来复杂分布上无监督学习最具前景的方法之一。

注：现实生活中常常会有这样的问题：缺乏足够的先验知识，因此难以人工标注类别或进行人工类别标注的成本太高。

很自然地，我们希望计算机能代我们完成这些工作，或至少提供一些帮助。

根据类别未知没有被标记的训练样本解决模式识别中的各种问题，称之为无监督学习。

模型通过框架中至少两个模块：生成模型nr和判别模型srn的互相博弈学习产生相当好的输出。

原始理论中，并不要求和都是神经网络，只需要是能拟合相应生成和判别的函数即可。

但实用中一般均使用深度神经网络作为和。

一个优秀的应用需要有良好的训练方法，否则可能由于神经网络模型的自由性而导致输出不理想。

论文里提出了很有见地的思想