作品简介

生成对抗网络毫无疑问是当今热门的人工智能技术之一,曾被美国《麻省理工科技评论》评选为“全球十大突破性技术”。《生成对抗网络入门指南》是一本结合基础理论与工程实践的入门型书籍,深入浅出地讲解了生成对抗网络的各类模型以及技术发展。本书面向机器学习从业人员、在校相关专业学生以及具备一定基础的人工智能领域爱好者。通过本书的学习,能够了解生成对抗网络的技术原理,并通过书中的代码实例深入技术细节。本书共分12个章节,其中前半部分分别介绍了目前研究领域已经较为成熟的生成对抗网络模型,比如DCGAN、WGAN等等,以及大量不同结构的生成对抗网络变种。本书后半部分介绍了文本到图像的生成、图像到图像的生成、离散数据的生成以及当前前沿的高质量生成技术,结尾总结了目前生成对抗网络在行业应用中的研究与发展。希望本书能够帮助广大读者跟上新技术的前沿,成为人工智能时代的先行者。

史丹青,语忆科技联合创始人兼技术负责人,毕业于同济大学电子信息工程系。拥有多年时间的AI领域创业与实战经验,具备深度学习、自然语言处理以及数据可视化等相关知识与技能。是AI技术的爱好者,并拥抱一切新兴科技,始终坚信技术分享和开源精神的力量。

作品目录

  • 前言
  • 第1章 人工智能入门
  • 1.1 人工智能的历史以及发展
  • 1.2 机器学习与深度学习
  • 1.3 了解生成对抗网络
  • 1.4 本章小结
  • 第2章 预备知识与开发工具
  • 2.1 Python语言与开发框架
  • 2.2 TensorFlow基础入门
  • 2.3 Keras基础入门
  • 2.4 本章小结
  • 第3章 理解生成对抗网络
  • 3.1 生成模型
  • 3.2 GAN的数学原理
  • 3.3 GAN的可视化理解
  • 3.4 GAN的工程实践
  • 3.5 本章小结
  • 第4章 深度卷积生成对抗网络
  • 4.1 DCGAN的框架
  • 4.2 DCGAN的工程实践
  • 4.3 DCGAN的实验性应用
  • 4.4 本章小结
  • 第5章 Wasserstein GAN
  • 5.1 GAN的优化问题
  • 5.2 WGAN的理论研究
  • 5.3 WGAN的工程实践
  • 5.4 WGAN的实验效果分析
  • 5.5 WGAN的改进方案:WGAN-GP
  • 5.6 本章小结
  • 第6章 不同结构的GAN
  • 6.1 GAN与监督式学习
  • 6.2 GAN与半监督式学习
  • 6.3 GAN与无监督式学习
  • 6.4 本章小结
  • 第7章 文本到图像的生成
  • 7.1 文本条件式生成对抗网络
  • 7.2 文本生成图像进阶:GAWWN
  • 7.3 文本到高质量图像的生成
  • 7.4 本章小结
  • 第8章 图像到图像的生成
  • 8.1 可交互图像转换:iGAN
  • 8.2 匹配数据图像转换:Pix2Pix
  • 8.3 非匹配数据图像转换:CycleGAN
  • 8.4 多领域图像转换:StarGAN
  • 8.5 本章小结
  • 第9章 序列数据的生成
  • 9.1 序列生成的问题
  • 9.2 GAN的序列生成方法
  • 9.3 自然语言生成
  • 9.4 本章小结
  • 第10章 GAN与强化学习及逆向强化学习
  • 10.1 GAN与强化学习
  • 10.2 GAN与逆向强化学习
  • 10.3 本章小结
  • 第11章 新一代GAN
  • 11.1 GAN的评估方法
  • 11.2 GAN的进化
  • 11.3 本章小结
  • 第12章 GAN的应用与发展
  • 12.1 多媒体领域的应用
  • 12.2 艺术领域的应用
  • 12.3 设计领域的应用
  • 12.4 安全领域的应用
  • 12.5 本章小结
  • 参考文献
展开全部