人工智能研究的新前线:生成式对抗网络
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.
深度学习、生成式对抗网络、生成模型、对抗学习、平行学习
44
国家自然科学基金61533019,61702519;北京市科技项目 Supported by National Natural Science Foundation of China61533019, 61702519;Beijing Municipal Science and Technol-ogy Commission Program D17110600030000, ZC179074Z D17110600030000, ZC179074Z 资助
2018-06-20（万方平台首次上网日期，不代表论文的发表时间）
共18页
775-792
