人工智能研究的新前线:生成式对抗网络

• Published in: 自动化学报 Vol. 44; no. 5; pp. 775 - 792
• Main Authors: 林懿伦, 戴星原, 李力, 王晓, 王飞跃
• Format: Journal Article
• Language: Chinese
• Published: 青岛智能产业技术研究院 青岛266109%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 2018; 中国科学院大学中国经济与社会安全研究中心 北京101408; 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; 中国科学院大学 北京100049; 青岛智能产业技术研究院 青岛266109%北京信息科学与技术国家研究中心,清华大学自动化系 北京,100084%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; 国防科学技术大学军事计算实验与平行系统技术中心 长沙410073
• Subjects: Deep learning; generative adversarial networks; 生成模型; parallel learning; adversarial learning; 对抗学习; 深度学习; 平行学习; 生成式对抗网络; generative model
• ISSN: 0254-4156
• DOI: 10.16383/j.aas.2018.y000002

生成式对抗网络(Generative adversarial networks,GAN)是当前人工智能学界最为重要的研究热点之一.其突出的生成能力不仅可用于生成各类图像和自然语言数据,还启发和推动了各类半监督学习和无监督学习任务的发展.本文概括了GAN的基本思想,并对近年来相关的理论与应用研究进行了梳理,总结了GAN常见的网络结构与训练方法,博弈形式,集成方法,并对一些应用场景进行了介绍.在此基础上,本文对GAN发展的内在逻辑进行了归纳总结.