生成式对抗网络GAN的研究进展与展望

被引：334

作者：

王坤峰 ^{[1
,2
]}

苟超 ^{[1
,3
]}

段艳杰 ^{[1
,3
]}

林懿伦 ^{[1
,3
]}

郑心湖 ^{[4
]}

王飞跃 ^{[1
,5
]}

机构：

[1] 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

[2] 青岛智能产业技术研究院

[3] 中国科学院大学

[4] 明尼苏达大学计算机科学与工程学院

[5] 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

来源：

自动化学报 | 2017年 / 43卷 / 03期

关键词：

生成式对抗网络; 生成式模型; 零和博弈; 对抗学习; 平行智能; ACP方法;

D O I：

10.16383/j.aas.2017.y000003

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

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.

引用

页码：321 / 332

页数：12

共 14 条

[1] 平行机器人与平行无人系统:框架、结构、过程、平台及其应用 [J].

白天翔 ;

王帅 ;

沈震 ;

曹东璞 ;

郑南宁 ;

王飞跃 .

自动化学报, 2017, 43 (02) :161-175

[2] 平行学习—机器学习的一个新型理论框架 [J].

李力 ;

林懿伦 ;

曹东璞 ;

郑南宁 ;

王飞跃 .

自动化学报, 2017, 43 (01) :1-8

[3]

Steps toward Parallel Intelligence[J]. Fei-Yue Wang,Xiao Wang,Lingxi Li,Li Li.IEEE/CAA Journal of Automatica Sinica. 2016(04)

[4]

平行视觉:基于ACP的智能视觉计算方法[J]. 王坤峰,苟超,王飞跃.自动化学报. 2016(10)

[5] 平行控制:数据驱动的计算控制方法 [J].

王飞跃 .

自动化学报, 2013, 39 (04) :293-302

[6] 复杂系统的平行控制理论及应用 [J].

王飞跃 ;

刘德荣 ;

熊刚 ;

程长建 ;

赵冬斌 .

复杂系统与复杂性科学, 2012, 9 (03) :1-12

[7] 关于复杂系统的建模、分析、控制和管理 [J].

王飞跃 .

复杂系统与复杂性科学, 2006, (02) :26-34

[8] 平行系统方法与复杂系统的管理和控制 [J].

王飞跃 .

控制与决策 , 2004, (05) :485-489+514

[9] 计算实验方法与复杂系统行为分析和决策评估 [J].

王飞跃 .

系统仿真学报, 2004, (05) :893-897

[10]

A joint cascaded framework for simultaneous eye detection and eye state estimation[J] . Chao Gou,Yue Wu,Kang Wang,Kunfeng Wang,Fei-Yue Wang,Qiang Ji.Pattern Recognition . 2017

← 1 2 →