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
——《Further application of the Generative Adversarial Networks》
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【Revie wer(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【Decision in Process】，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《Further application of the Generative Adversarial Networks》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（Generative Model）和判别模型（Discriminative Model）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~