Home |
Funding |
Publications |
Books/Proceedings |
Software/Databases |
Supervising |
Teaching |
Patents |
Prizes |
Services |
Others |
一、主讲老师
二、课程性质 3学分学位专业课,共16周56学时 三、预修课程 概率论,统计分析,程序设计,算法导论,机器学习 四、课程简介 生成模型(Generative Model)是概率统计、机器学习和深度学习中的一类重要模型,通常用于随 机生成可观测数据,如图像、文本、声音等。本课程面向研究生(特别是博士生),介绍各种重要生成 模型,如自回归模型、变分自编码器、生成对抗网络等的基本原理与关键技术,学习如何从未知的概 率分布中取样。目前,生成模型是一个非常活跃的研究领域,本课程介绍的大多数模型都是最近10年 中发展的。因此,本课程与当前的研究进展紧密结合,将提供学生阅读该领域最新论文所需的背景知 识。此外,本课程还将介绍生成模型方法在图像、视频、文本、声音和生物医学等领域的实际应用。 五、教学目标 通过本课程的学习,让学生达到以下几个目标: 1.了解生成模型的相关背景知识,能够无障碍地阅读该领域最新的研究论文; 2.针对若干重要的生成模型,熟悉其基本的建模过程、算法原理以及关键技术; 3.针对若干应用领域,学会选择合适的生成模型,并进行算法实现; 4.启发学生思维,提出新的模型,将模型应用于解决实际问题。 六、参考教材
七、课程考核
八、课程安排
Back to Shuigeng's Homepage | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||