技术创新是社会和经济发展的核心驱动力。继以物联网、云计算、大数据和移动互联网为代表的信息技术之后,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,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。GAN的这些技术和应用问题,需要国内外学者系统深入地研究。 为了促进我国生成式对抗网络GAN相关理论、方法、技术与应用研究的深入开展,及时反映我国学者在相关领域的最新研究进展,经主编会议批准,《自动化学报》将于2018年1月出版“生成式对抗网络GAN技术与应用”专刊,主要收录国内学者在GAN技术与应用方面具有创新性、突破性的研究成果。欢迎广大专家学者和一线科研人员踊跃投稿。 专刊题目:生成式对抗网络GAN技术与应用 客座编委:王坤峰(中国科学院自动化研究所)、李力(清华大学)、左旺孟(哈尔滨工业大学)、谭营(北京大学)、秦涛(微软亚洲研究院)、王飞跃(中国科学院自动化研究所) 出版日期:2018年第1期 一、征文范围(包括但不限于) 1. GAN的基础理论与方法 2. GAN的结构优化和训练稳定性 3. GAN+深度学习技术 4. GAN+平行智能技术 5. GAN现存的问题(性能、效率、协调等) 6. 其他对抗机制(对抗样本、对抗学习等) 7. GAN在图像和视觉计算领域的应用 8. GAN在语音和语言处理领域的应用 9. GAN在其他领域的应用 10. GAN的商业模式 二、投稿要求 1.此次专刊接受中文投稿。 2.请登陆《自动化学报》在线投审稿系统https://mc03.manuscriptcentral.com/aas-cn进行投稿。注意:投稿时请在专刊名称中选择“生成式对抗网络GAN技术与应用”。 3. 稿件格式:参照《自动化学报》网站已发表的论文格式,需要用Word排版 (注意把Word文件本地转换为PDF文件后上传)。 4. 投稿时作者需签署“《自动化学报》作者承诺”,投稿文章未在正式出版物上发表过,也不在其他刊物或会议的审稿过程中,不存在一稿多投现象;保证投稿文章的合法性(无抄袭、剽窃、侵权等不良行为)。 5. 文章刊发前作者需签署《自动化学报》版权转让协议,发表之后将按学报标准支付稿酬,并赠送样刊及单行本。
三、重要时间
截稿日期:2017年8月31日 录用通知发出时间:2017年11月1日 录用修改稿提交日期:2017年11月30日 出版日期:2018年1月 |