生成式对抗网络在文本生成的探索:基础、前沿以及我们全新的结果 GAIR大讲堂 | 第20期
开课时间:2017/09/28 19:50 预计时长:一个小时
课程回放
159人报名
观看回放
课程介绍

分享主题

生成式对抗网络在文本生成中的探索:基础、前沿以及我们的最新结果

 

分享内容

生成式对抗网络(GANs)目前已经得到了广泛研究者的关注并且在很多实际场景中得到应用。但是大多数研究工作仍然集中在例如图片和语音的连续稠密数据上,而对例如文本这样的序列离散数据的生成研究得较少。原因是对这类离散数据无法直接求导,导致原版的GAN模型无法工作。我们课题组在2017年AAAI提出SeqGAN框架来成功绕过这个问题,通过将文本生成器建模成一个强化学习策略并用REINFORCE梯度优化来学习这个生成器,SeqGAN达到了文本生成效果的提升。基于SeqGAN,我们课题组进一步研究了对抗过程中的信息泄露设置,发现判别器泄露的信息其实能很好地帮助生成器快速学习并最终达到更好的文本生成效果,这个新框架我们命名为LeakGAN。

 

分享大纲

  • GAN 的基础知识点
  • 介绍SeqGAN 以及 LeakGAN
  • 讨论这些新框架和原始 GAN 的本质不同
  • 对今后的进一步研究做出展望

 

分享人

张伟楠,上海交通大学计算机系和约翰·霍普克罗夫特研究中心担任助理教授,研究方向为机器学习及其在数据挖掘问题中的应用。他于2011年毕业于上海交通大学计算机系ACM班,于2016年获得英国伦敦大学学院计算机系博士学位。

 

分享时间

9月28日周四晚8点

 

课程须知
  • 本次公开课将于9月28日周四晚8点准时开始,请大家提前10分钟进入直播间
  • 公开课后两天内会上传回放视频,错过直播的同学也不要担心
  • 欢迎大家多多向嘉宾提问,问题被采纳者有机会获得神秘礼品