近年來，人工智能在自然語(yǔ)言處理、商務(wù)智能、機(jī)器人和醫(yī)療診斷等眾多領(lǐng)域取得了突破性進(jìn)展，其中生成式對(duì)抗網(wǎng)絡(luò)（generative adversarial network , GAN）開創(chuàng)性地使用對(duì)抗訓(xùn)練機(jī)制對(duì)兩個(gè)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，是近年來復(fù)雜分布上無監(jiān)督學(xué)習(xí)最具前景的方法之一。
本項(xiàng)目以人工智能為出發(fā)點(diǎn)，從模型、算法和應(yīng)用系統(tǒng)等角度較好地研究了GAN的基礎(chǔ)理論和方法，并結(jié)合遷移學(xué)習(xí)、強(qiáng)化學(xué)習(xí)和大數(shù)據(jù)技術(shù)設(shè)計(jì)了GAN的一些可行應(yīng)用案例，闡述了如何通過GAN來實(shí)現(xiàn)人工智能，為廣大讀者在人工智能領(lǐng)域的理論學(xué)習(xí)和專業(yè)實(shí)踐提供指南。