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
——《FurtherapplicationoftheGenerativeAdversarialNetworks》
的论文，此时自动投稿了。
投稿的自然是AI方向。
这篇论文目前显示的是【Reviewer(s)invited】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【Submit】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【WithEditor】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【Reviewer(s)Invited】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【DecisioninProcess】，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——【Reviewer(s)invited】，章杉也已经见怪不怪了~
至于这篇署名章杉的论文《FurtherapplicationoftheGenerativeAdversarialNetworks》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GAN）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。）
GAN模型通过框架中（至少）两个模块：生成模型（GenerativeModel）和判别模型（DiscriminativeModel）的互相博弈学习产生相当好的输出。
原始GAN理论中，并不要求G和D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G和D。
一个优秀的GAN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~
这不是关键，似乎这论文投稿的方向赫然就是当初伍教授规定的那几个顶会之一啊。
好家伙，说好的努力学习呢~
