生成式對(duì)抗網(wǎng)絡(luò)（Generative adversarial networks,GAN）是當(dāng)前人工智能學(xué)界最為重要的研究熱點(diǎn)之一.其突出的生成能力不僅可用于生成各類圖像和自然語(yǔ)言數(shù)據(jù),還啟發(fā)和推動(dòng)了各類半監(jiān)督學(xué)習(xí)和無(wú)監(jiān)督學(xué)習(xí)任務(wù)的發(fā)展.本文概括了GAN的基本思想,并對(duì)近年來(lái)相關(guān)的理論與應(yīng)用研究進(jìn)行了梳理,總結(jié)了GAN常見(jiàn)的網(wǎng)絡(luò)結(jié)構(gòu)與訓(xùn)練方法,博弈形式,集成方法,并對(duì)一些應(yīng)用場(chǎng)景進(jìn)行了介紹.在此基礎(chǔ)上,本文對(duì)GAN發(fā)展的內(nèi)在邏輯進(jìn)行了歸納總結(jié). 

【文章來(lái)源】：自動(dòng)化學(xué)報(bào). 2018,44(05)北大核心EICSCD

【文章頁(yè)數(shù)】：18 頁(yè)

【文章目錄】：
1 GAN的背景與提出
    1.1 深度學(xué)習(xí)
    1.2 深度生成模型
    1.3 生成式對(duì)抗網(wǎng)絡(luò)
    1.4 GAN存在的問(wèn)題
2 GAN生成機(jī)制的發(fā)展
    2.1 網(wǎng)絡(luò)結(jié)構(gòu)
    2.2 正則方法
    2.3 集成學(xué)習(xí)
    2.4 優(yōu)化算法
3 GAN判別機(jī)制的發(fā)展
    3.1 Lipschitz密度
    3.2 能量函數(shù)
4 GAN的應(yīng)用
    4.1 數(shù)據(jù)生成與增強(qiáng)
    4.2 廣義數(shù)據(jù)翻譯
    4.3 廣義生成模型
5 總結(jié)與展望


【參考文獻(xiàn)】：
期刊論文
[1]Parallel Driving in CPSS:A Unified Approach for Transport Automation and Vehicle Intelligence[J]. Fei-Yue Wang,Nan-Ning Zheng,Dongpu Cao,Clara Marina Martinez,Li Li,Teng Liu.  IEEE/CAA Journal of Automatica Sinica. 2017(04)
[2]Parallel Learning:a Perspective and a Framework[J]. Li Li,Yilun Lin,Nanning Zheng,Fei-Yue Wang.  IEEE/CAA Journal of Automatica Sinica. 2017(03)
[3]生成式對(duì)抗網(wǎng)絡(luò)GAN的研究進(jìn)展與展望[J]. 王坤峰,茍超,段艷杰,林懿倫,鄭心湖,王飛躍.  自動(dòng)化學(xué)報(bào). 2017(03)
[4]Where Does AlphaGo Go: From Church-Turing Thesis to AlphaGo Thesis and Beyond[J]. Fei-Yue Wang,Jun Jason Zhang,Xinhu Zheng,Xiao Wang,Yong Yuan,Xiaoxiao Dai,Jie Zhang,Liuqing Yang.  IEEE/CAA Journal of Automatica Sinica. 2016(02)



本文編號(hào)：3190932