报 告 人：邱锡鹏 [复旦大学]

报告时间：2020年11月11日 (周三) 13:00 - 15:00

报告所在：校本部东区盘算机大楼1106

（腾讯聚会ID：860 257 8909，
，，，密码15911）

邀 请 人：李晓强  

报告摘要

天生对抗网络（Generative Adversarial Network，
，，，GAN）是非监视式学习的一种天生模子，
，，，其由一个天生网络与一个判别网络组成，
，，，通过让两个神经网络相互博弈的方法举行学习。。。。
。天生网络从潜在空间（latent space）中随机取样作为输入，
，，，其输出效果需要只管模拟训练集中的真实样本。。。。
。判别网络的输入则为真实样本或天生网络的输出，
，，，其目的是将天生网络的输出从真实样本中尽可能区分出来。。。。
。而天生网络则要尽可能地诱骗判别网络。。。。
。两个网络相互对抗、一直调解参数，
，，，最终目的是使判别网络无法判断天生网络的输出效果是否真实。。。。
。虽然天生对抗网络原先是为了无监视学习提出的，
，，，它也被证实对半监视学习、监视学习、强化学习同样有用。。。。
。本报告主要讲述天生对抗网络的基来源理和最新研究希望。。。。
。

报告人简介： 

邱锡鹏，
，，，复旦大学盘算机科学手艺学院教授，
，，，博士生导师。。。。
。于复旦大学获得理学学士和博士学位。。。。
。主要从事自然语言处置惩罚、深度学习等偏向的研究，
，，，揭晓CCF A/B类论文70余篇，
，，，获得ACL 2017优异论文奖（CCF A类）、CCL 2019最佳论文奖。。。。
。出书开源专著《神经网络与深度学习》，
，，，Github关注人数1.3万，
，，，豆瓣评分9.6分。。。。
。；；竦霉矣乓烨嗄昕蒲Щ稹⑹捉熘泄菩嗄耆瞬磐芯俟こ滔钅俊⑶俺ぶ形男畔⒋χ贸头？蒲忠战鼻嗄炅⒁煲坏冉薄miner"2020年度AI 2000人工智能全球最具影响力提名学者"等。。。。
。作育学生曾获中国中文信息学会优博、中国人工智能学会优博、微软学者、微软学者提名、百度奖学金、上海市优博提名等。。。。
。