苏科华
Supervisor of Doctorate Candidates
Supervisor of Master's Candidates
E-Mail:
Date of Employment:2008-11-02
School/Department:计算机学院
Education Level:研究生毕业
Business Address:D203
Gender:Male
Contact Information:13517299596
Status:Employed
Discipline:Computer Applications Technology
Communications and Information Systems
Other specialties in Software Engineering
Cyberspace Security
Hits:
Impact Factor:1.752
Affiliation of Author(s):中国CAE战略研究中心;中国高等教育出版社
Journal:Engineering
Place of Publication:北京市
Key Words:生成;对抗;深度学习;最优传输;模式崩溃
Abstract:本文从几何角度来理解深度学习,特别是提出了生成对抗网络(GAN)的最优传输(OT)观点。自然数据集具有内在的模式,该模式可被概括为流形分布原理,即同一类高维数据分布于低维流形附近。GAN主要完成流形学习和概率分布变换两项任务。其中,后者可以用经典的OT方法来实现。从OT的角度来看,生成器用于计算OT映射,而判别器用于计算生成数据分布与真实数据分布之间的Wasserstein距离;两者都可以归结为一个凸优化过程。此外,OT理论揭示了生成器与判别器之间的内在关系是协作的而不是竞争的,并且解释了模式崩溃的根本原因。在此基础上,我们提出了一种新的生成模型,该模型利用自编码器(AE)进行流形学习,并利用OT映射进行概率分布变换。这个AE-OT模型提升了深度学习理论的严谨性和透明性、提高了计算的稳定性和效率,尤其是避免了模式崩溃问题。实验结果验证了我们的假设,并充分展示了我们提出的AE-OT模型的优点。
Co-author:安东生,郭洋,刘世霞,罗钟铉,丘成桐,顾险峰
First Author:雷娜
Indexed by:Journal paper
Correspondence Author:苏科华
Document Type:J
Volume:6
Issue:3
Page Number:340-370
ISSN No.:2095-8099
Translation or Not:yes
CN No.:10-1244/N
Date of Publication:2020-03-15
Included Journals:SCI、EI
Links to published journals:www.elsevier.com/locate/eng
苏科华,男,武汉大学计算机学院教授、博导;武汉大学科技成果转化中心(技术转移中心)副主任。研究主要集中在最优传输(Optimal Transport)领域,它是研究概率测度间最优变换的一类优化问题。在计算机图形学、机器视觉、人工智能、医学图像处理等领域有着广泛的应用。本人主要研究最优传输的几何计算理论和高效算法,并将其应用于网格保测参数化、三维场景优化、智能烧伤评估和卫星互联网任务优化中。主持包括国家自然科学基金、中央军科委、航天5院、华为公司等20多个项目支持,发表论文50余篇,获批发明专利10余项。为CCF计算机辅助设计与图形学(CAD/CG)和虚拟现实与可视化(TCVRV)专委会的执行委员。