对抗自动编码器是由自动编码器和生成对抗网络组成的混合模型。
如图1所示为AAE的结构图，其中 p(z) 是我们想要施加给 z 的先验分布，q(z) 是潜在变量的分布。图1的上半部分是一个标准的自动编码器，发挥着生成器的作用。z是生成的数据。图1的下把那部分是判别器𝐷𝜒 (𝑧)，用于预测数据是编码器生成的假数据z，还是预先得知数据z'。
训练过程
训练过程分为重建阶段和正则化阶段两个过程。
在重建阶段，仅对编码器和解码器的参数进行优化，以最小化输入的重建损失，而在正则化阶段，同时训练判别器和生成器（编码器）。
首先，判别器学习如何区分真实样本（从前验样本中抽取）和虚假样本（由编码器生成）。
然后，对判别器进行固定，并训练生成器以获得根据先验生成样本的能力。
