CGAN模型，即Conditional Generative Adversarial Network，是一種條件生成對抗網路。
在傳統的GAN中，網路通過訓練數據學習生成新的數據，但這些數據是隨機且無法預測的。CGAN通過在輸入噪聲數據中增加類別信息，使得生成的數據可以定向指定。這意味著，用戶可以指定生成特定類別的數據，例如生成飛機的圖片。在CGAN中，輸入數據不僅包括隨機噪聲，還包括類別信息，如one-hot向量。判別器D的輸出不僅包括0/1值來判斷數據是否真實，還需要輸出數據的類別。這樣，CGAN能夠根據給定的條件生成指定類別的數據。
此外，CGAN還可以套用於巨觀經濟分析，使用歷史數據作為條件序列，結合隨機輸入來生成未來的模擬序列。這在情景分析和衝擊回響分析中有套用，可以幫助預測未來經濟走勢或進行壓力測試，以及考察巨觀經濟指標突變的影響。