讲座题目：
面向连续和离散数据的两类生成式对抗网络
讲座内容：
生成式对抗网络作为一种新型的无监督学习和数据生成范式，自从2014年被提出以来就得到了极大的关注和长足的研发进展。面向连续数据（如图片、语音）和离散数据（如文本、网络），生成式对抗网络的研究也分为两条主线，涉及不同的机器学习技术。本次报告，我将从面向连续数据的生成式对抗网络出发，介绍其基本工作原理，并拓展到最新的理论和应用工作。随后我将介绍面向离散数据的生成式对抗网络，讲解强化学习基础及其在此类对抗网络中的支持。我将分别从类别型、序列型和网络型离散数据介绍具有代表性的对抗网络模型及其应用。最终，我将讨论生成式对抗网络和强化学习的关系，对比两者的数学模型和思维方式。
主讲人介绍：
张伟楠博士现任上海交通大学约翰·霍普克罗夫特研究中心助理教授，科研领域包括深度学习、强化学习、数据挖掘、知识图谱及其在推荐系统、搜索引擎、文本分析等场景中的应用。相关的研究成果在国际一流会议和期刊上发表70余篇学术论文。2016年获得由微软研究院评选的“全球SIGKDD Top 20科研新星”称号；2017年获得ACM国际信息检索会议SIGIR的最佳论文提名奖；2017年获得上海ACM新星奖；2018年获得阿里巴巴达摩院青橙奖。他曾在KDD-Cup用户个性化推荐大赛获得全球季军，在全球大数据实时竞价展示广告出价算法大赛获得最终冠军。
