智能自动化学科前沿讲习班第一期PPT - 点击下载

  智能自动化学科前沿讲习班是由中国自动化学会主办的学术交流活动,旨在促进自动化领域的科研人员在短时间内快速了解学科前沿和最新研究,并为专家学者提供探讨热点方向和交流学术进展的平台。讲习班每期围绕一个热点专题,邀请该学科方向从事前沿工作的专家学者做学术报告,并与参会者交流讨论。

  第1期智能自动化学科前沿讲习班由自动化学报编辑部、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承办,主题为“生成式对抗网络GAN技术与应用”,于2017年7月17~18日在中国科学院自动化研究所举办。

  目前,人工智能技术蓬勃发展,被公认是社会经济发展的新动能和新引擎,有望在农业生产、工业制造、经济金融、社会管理等众多领域产生颠覆性变革。生成式对抗网络(Generative Adversarial Networks, GAN)作为一种新的生成式模型,正在成为人工智能的一个重要研究方向。GAN的基本思想来源于博弈论中的二人零和博弈,通过生成器和判别器之间迭代的对抗学习,逼近纳什均衡,估测真实数据样本的潜在分布并生成新的数据样本。作为强大的生成式模型,GAN在图像和视觉计算、语音和语言处理、信息安全等领域具有极高的应用价值。针对GAN的模型结构改进、理论扩展及应用等,国内外学者提出了许多衍生模型,新的理论和应用成果层出不穷。

  随着GAN技术的发展,将GAN中的样本生成、对抗学习思想与其他人工智能技术相结合,拓宽相关技术的研究思路,具有巨大的发展潜力。AlphaGo围棋程序战胜韩国棋手李世石和中国棋手柯洁,彰显了对抗学习思想的成功。GAN可以生成逼真的对抗样本,检验机器学习模型的可靠性;可以与深度学习、半监督学习、特征学习、强化学习、平行学习等技术交叉融合,促进机器学习技术的发展。长远来看,GAN能够推动人工智能的发展与应用,提升人工智能理解世界的能力,甚至激发人工智能的创造力。尽管GAN已经取得了许多研究进展,但是它在理论方法和技术应用方面仍有许多不完备之处。GAN模型的收敛性和均衡点存在性需要新的理论突破,模型结构和训练稳定性需要进一步提高,模式塌陷(Mode collapse)问题还有待解决,与其他机器学习方法的交叉融合需要深化,应用领域需要扩展,应用成熟度需要提升。国内外学者正在围绕GAN的这些技术问题,持续进行研究。

  为了促进生成式对抗网络GAN相关理论、方法、技术与应用研究的深入开展,第1期自动化学科前沿讲习班邀请了多位学术界和工业界的著名学者,将全面介绍GAN技术与应用的研究进展,并探讨相关技术的发展趋势。

2017年7月17日

8:00-8:55 签到

8:55-9:00 中国自动化学会领导致辞

9:00-10:30 讲座1
王飞跃 教授
中国科学院自动化研究所
题目:生成式对抗网络GAN的研究进展与展望

10:40-12:10 讲座2
李宏毅 教授
国立台湾大学(位于中国台北)
题目:

12:10-14:00 午餐

14:00-15:30 讲座3
左旺孟 教授
哈尔滨工业大学
题目:多领域视觉数据的转换、关联与自适应学习

15:40-17:10 讲座4
王坤峰 副研究员
中国科学院自动化研究所
题目:GAN与平行视觉

2017年7月18日

9:00-10:30 讲座5
Guojun Qi 教授
University of Central Florida
题目:The Landscape of Regularized Generative Adversarial Networks: Algorithms, Theory and Generalizability

10:40-12:10 讲座6
秦涛 主管研究员
微软亚洲研究院
题目:From single-agent learning to multi-agent learning: GAN, dual learning, and others

12:10-14:00 午餐

14:00-15:30 讲座7
孙仕亮 教授
华东师范大学
题目:概率多视图多标签学习与自编码变分推理

15:40-17:10 讲座8
倪冰冰 教授
上海交通大学
题目:面向图像序列的生成技术及应用初探

版权所有 中国自动化学会