生成式对抗网络GAN的研究进展与展望

生成式对抗网络GAN（Generative adversarial networks）目前已经成为人工智能学界一个热门的研究方向.GAN的基本思想源自博弈论的二人零和博弈,由一个生成器和一个判别器构成,通过对抗学习的方式来训练.目的是估测数据样本的潜在分布并生成新的数据样本.在图像和视觉计算、语音和语言处理、信息安全、棋类比赛等领域,GAN正在被广泛研究,具有巨大的应用前景.本文概括了GAN的研究进展,并进行展望.在总结了GAN的背景、理论与实现模型、应用领域、优缺点及发展趋势之后,本文还讨论了GAN与平行智能的关系,认为GAN可以深化平行系统的虚实互动、交互一体的理念,特别是计算实验的思想,...

Full description

Saved in:
Bibliographic Details
Published in自动化学报 Vol. 43; no. 3; pp. 321 - 332
Main Author 王坤峰 苟超 段艳杰 林懿伦 郑心湖 王飞跃
Format Journal Article
LanguageChinese
Published 国防科学技术大学军事计算实验与平行系统技术研究中心 长沙 410073 中国 2017
中国科学院自动化研究所复杂系统管理与控制国家重点实验室 北京100190 中国
青岛智能产业技术研究院 青岛 266000 中国%中国科学院自动化研究所复杂系统管理与控制国家重点实验室 北京100190 中国
中国科学院大学 北京100049 中国%明尼苏达大学计算机科学与工程学院 明尼阿波利斯 MN 55414 美国%中国科学院自动化研究所复杂系统管理与控制国家重点实验室 北京100190 中国
Subjects
ACP方法
对抗学习
平行智能
生成式对抗网络
生成式模型
零和博弈
生成式模型
零和博弈
adversarial learning
对抗学习
ACP methodology
平行智能
generative models
Generative adversarial networks
生成式对抗网络
ACP方法
zero-sum game
parallel intelli-gence
Online AccessGet full text
ISSN0254-4156
1874-1029
DOI10.16383/j.aas.2017.y000003

Cover

More Information
Summary:生成式对抗网络GAN（Generative adversarial networks）目前已经成为人工智能学界一个热门的研究方向.GAN的基本思想源自博弈论的二人零和博弈,由一个生成器和一个判别器构成,通过对抗学习的方式来训练.目的是估测数据样本的潜在分布并生成新的数据样本.在图像和视觉计算、语音和语言处理、信息安全、棋类比赛等领域,GAN正在被广泛研究,具有巨大的应用前景.本文概括了GAN的研究进展,并进行展望.在总结了GAN的背景、理论与实现模型、应用领域、优缺点及发展趋势之后,本文还讨论了GAN与平行智能的关系,认为GAN可以深化平行系统的虚实互动、交互一体的理念,特别是计算实验的思想,为ACP（Artificial societies,computational experiments,and parallel execution）理论提供了十分具体和丰富的算法支持.
Bibliography:WANG Kun-Feng1,2, GOU Chao1,3, DUAN Yan-Jie1,3, LIN Yi-Lun1,3, ZHENG Xin-Hu4, WANG Fei-Yue1,5
Generative adversarial networks（GANs） have become a hot research topic in artificial intelligence. Inspired by the two-player zero-sum game, GAN is composed of a generator and a discriminator, both trained with the adversarial learning mechanism. The aim of GAN is to estimate the potential distribution of existing data and generate new data samples from the same distribution. Since its initiation, GAN has been widely studied due to its enormous prospect for applications, including image and vision computing, speech and language processing, information security, and chess game. In this paper we summarize the state of the art of GAN and look into its future. First of all, we survey the GAN s background, theoretic and implementation models, application fields, advantages and disadvantages, and development trends. Then, we investigate the relation between GAN and parallel intelligence with the conclusion that GAN has a gr
ISSN:0254-4156
1874-1029
DOI:10.16383/j.aas.2017.y000003