学习VAE-GAN主要是因为最近在做故障诊断相关的东西，之前在某篇论文里得知，使用GAN算法时，可以使用判别损失+重构损失对异常样本进行检测。然而，那篇论文《基于 LSTM － GAN 的加油时序数据异常检测》里面，关于重构损失写的不是很清楚：（下面这图就是这论文里的，这里的潜在空间指的应该就是使用了自动编码器吧？不过论文全文都没有提到自动编码器？？？，不是很理解。。。读懂这篇论文的同学可以解答一下吗？）
而且下面这段话， 关于随机抽取一个集合，然后计算对应映射，这个流程总感觉在哪个博客看到过，但我找了半天也没找到是哪篇博客来着。。。。
更新 ：3.2日，找到了，关于异常检测方面，例如这篇论文：基于CGAN-LSTM的无监督网络异常流量检测算法，使用CGAN-LSTM进行训练，并使用判别误差和重构误差故障诊断。
关于代码实现，在这篇博客里面，一个作者给了jupyter的VAE-GAN代码，使用自己的jupyter把代码导出成python之后，稍微修改一下，就可以运行了。具体的代码地址在这儿。
（1）文献阅读·9-VAE-GAN
（2）知乎-BicycleGan论文和代码分析，里面有CVAE-GAN、CLR-GAN解析及代码
（3）这篇博客有讲VAE、GAN、CGAN、DCGAN的原理，还有对MNIST数据集的代码，十分清晰
对于重构损失部分，我想要用这个来判断自己生成的纯sin函数，以及加上了高斯噪声的sin函数，进行故障诊断，目前仍然在做。。。。
更新： 2/26 已做完对sin数据的识别，这个代码主要是通过手动调节loss阈值来做分类的。
当加入的高斯噪声比较小的时候，识别不太出来的。如果自己用生成模型生成的样本噪声比较大的话，都会被认定为正常样本。（上面是对正常数据识别，下面是对带高斯噪声的数据进行识别）
