【征文】自动化学报“生成式对抗网络GAN技术与应用”专刊征文通知

技术创新是社会和经济发展的核心驱动力。继以物联网、云计算、大数据和移动互联网为代表的信息技术之后，人工智能技术蓬勃发展，被公认是社会经济发展的新动能和新引擎，有望在农业生产、工业制造、经济金融、社会管理等众多领域产生颠覆性变革。生成式对抗网络（Generative Adversarial Networks, GAN）作为一种新的生成式模型，正在成为人工智能的一个重要研究方向。

GAN的基本思想来源于博弈论中的二人零和博弈，通过生成器和判别器之间迭代的对抗学习，逼近纳什均衡，估测真实数据样本的潜在分布并生成新的数据样本。作为强大的生成式模型，GAN在图像和视觉计算、语音和语言处理、信息安全等领域具有极高的应用价值。针对GAN的模型结构改进、理论扩展及应用等，国内外学者提出了许多衍生模型，新的理论和应用成果层出不穷。

随着GAN技术的发展，将GAN中的样本生成、对抗学习思想与其他人工智能技术相结合，拓宽相关技术的研究思路，具有巨大的发展潜力。AlphaGo围棋程序战胜韩国棋手李世石，彰显了对抗学习思想的成功。GAN可以生成逼真的对抗样本，检验机器学习模型的可靠性；可以与深度学习、半监督学习、特征学习、强化学习、平行学习等技术交叉融合，促进机器学习技术的发展。长远来看，GAN能够推动人工智能的发展与应用，提升人工智能理解世界的能力，甚至激发人工智能的创造力。

尽管GAN已经取得了许多研究进展，但是它在理论方法和技术应用方面仍有许多不完备之处。GAN模型的收敛性和均衡点存在性需要新的理论突破，模型结构和训练稳定性需要进一步提高，模式塌陷（Mode collapse）问题还有待解决，与其他机器学习方法的交叉融合需要深化，应用领域需要扩展，应用成熟度需要提升。GAN的这些技术和应用问题，需要国内外学者系统深入地研究。

为了促进我国生成式对抗网络GAN相关理论、方法、技术与应用研究的深入开展，及时反映我国学者在相关领域的最新研究进展，经主编会议批准，《自动化学报》将于2018年1月出版“生成式对抗网络GAN技术与应用”专刊，主要收录国内学者在GAN技术与应用方面具有创新性、突破性的研究成果。欢迎广大专家学者和一线科研人员踊跃投稿。

专刊题目：

生成式对抗网络GAN技术与应用

出版日期：

2018年第1期

客座编委：

王坤峰    中国科学院自动化研究所

李   力    清华大学

左旺孟    哈尔滨工业大学

谭   营    北京大学

秦   涛    微软亚洲研究院

王飞跃    中国科学院自动化研究所

征文范围

专刊征文范围包括但不限于以下方面：

◇ GAN的基础理论与方法

◇ GAN的结构优化和训练稳定性

◇ GAN+深度学习技术

◇ GAN+平行智能技术

◇ GAN现存的问题（性能、效率、协调等）

◇ 其他对抗机制（对抗样本、对抗学习等）

◇ GAN在图像和视觉计算领域的应用

◇ GAN在语音和语言处理领域的应用

◇ GAN在其他领域的应用

◇ GAN的商业模式

投稿要求

1．此次专刊接受中文投稿。

2．请登陆《自动化学报》在线投审稿系统https://mc03.manuscriptcentral.com/aas-cn进行投稿。注意：投稿时请在专刊名称中选择“生成式对抗网络GAN技术与应用”。

3. 稿件格式：参照《自动化学报》网站已发表的论文格式，需要用Word排版 (注意把Word文件本地转换为PDF文件后上传)。

4. 投稿时作者需签署“《自动化学报》作者承诺”，投稿文章未在正式出版物上发表过，也不在其他刊物或会议的审稿过程中，不存在一稿多投现象；保证投稿文章的合法性(无抄袭、剽窃、侵权等不良行为)。

5. 文章刊发前作者需签署《自动化学报》版权转让协议，发表之后将按学报标准支付稿酬，并赠送样刊及单行本。

联系我们：

Tel:  010-82544653

      （日常咨询和稿件处理） 

        010-82544677

      （录用后稿件处理）

Fax: 010-82544497

Email: aas@ia.ac.cn

      （日常咨询和稿件处理）

          aas_editor@ia.ac.cn

      （录用后稿件处理）

http://www.aas.net.cn

微信服务号：自动化学报

微信订阅号：aas1963

新浪微博：自动化学报

新浪博客：Automation_2011