人工智能研究的新前线:生成式对抗网络

• 作者: 戴星原 李力 林懿伦 王晓 王飞跃
• 来源期刊: 自动化学报
• 关键词: 深度学习 生成式对抗网络 生成模型 对抗学习 平行学习
• 年，卷（期）: 2018,（5）
• 所属期刊栏目: 综述
• 页码范围: 775-792
• 页数: 18页
• 字数: 13720字
• 语种: 中文
• DOI: 10.16383/j.aas.2018.y000002

摘要

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.