Merge pull request #370 from yuxiaoranyu/main

推理框架知识点更新

Author: WeThinkIn

AIGC图像创作&AI绘画基础/06_GAN系列模型基础.md

@@ -26,7 +26,7 @@
 
 **难度评分：⭐⭐⭐ (3/5)  |  考察频率：⭐⭐⭐⭐⭐ (5/5)**
 
-2014年Ian Goodfellow在《Generative Adversarial Nets》论文中第一次提出 **GAN** 概念；Yann LeCun评价其为近十年AI领域最重要思想之一。
+2014年Ian Goodfellow在《Generative Adversarial Nets》论文中第的一次提出 **GAN** 概念；Yann LeCun评价其为近十年AI领域最重要思想之一。
 
 ### 1. GAN的核心思想
 
@@ -36,7 +36,7 @@ GAN的核心思想是**基于博弈论的极小极大对抗框架**，通过生
   - 生成器G：类比“伪造者”，目标是生成以假乱真的样本，拟合真实数据的概率分布，最大化判别器的判断错误率。
   - 判别器D：类比“警察”，目标是精准区分输入样本是来自真实训练数据，还是生成器伪造的样本，最大化分类准确率。
 2. **训练收敛目标——纳什均衡**：
-  对抗训练过程会驱动两个网络持续优化，理论上最终达到全局最优的纳什均衡点，即生成器完美拟合真实数据的分布，判别器对任意样本的判断概率恒为 $\frac{1}{2}$ ，完全无法区分真实样本与生成样本。
+  对抗训练过程会驱动两个网络持续优化，理论上最终达到全局最优纳什均衡点，即生成器完美拟合真实数据的分布，判别器对任意样本的判断概率恒为 $\frac{1}{2}$ ，完全无法区分真实样本与生成样本。
 
 <div align="center">