欢迎来到赛文交通网!

吕宜生:生成对抗式网络及其在智能交通中的应用

2019-06-14

来源 : 赛文交通网

作者 :

0人评论

中国科学院自动化研究所复杂系统管理与控制国家重点实验室副研究员吕宜生,在2019人工智能论坛上对“生成对抗式网络及其在智能交通中的应用”做了相关阐述。

blob.png

介绍了生成对抗式网络的起源、基本算法和发展历史,并介绍了生成对抗式网络在智能交通系统中的应用。

以下为吕宜生发言重点内容:

生成对抗式网络简称GAN,2014年由Ian J. Goodfellow等人提出。具体的模型如下:

blob.png

GAN中蕴含着一种对抗性思想,涉及到人工智能系统的安全。

Yann LeCun是深度学习的三巨头之一,对GAN的评价很高,认为它是近几年来人工智能研究领域当中取得的重要突破。

生成对抗式网络典型应用包括图像超分辨率、视频流预测、图像生成、风格转换等。

生成对抗式网络属于生成模型的范畴。生成模型是指能够随机生成观测数据的模型。与生成模型相对应的是判别模型,下图给出了这两种模型的区别:

blob.png

GAN的基本原理其实非常简单。假设两个网络,G(Generator)和D(Discriminator),G的作用是生成图片,D的作用是判别图片真实与否。在训练过程中,G的目标就是尽量生成真实的图片,从而可以欺骗D,而D的目标就是尽量把G生成的图片和真实的图片分别开来。这样,G和D构成了一个动态的“博弈过程”。

最后博弈的结果是什么?在最理想的状态下,G可以生成足以“以假乱真”的图片G(z)。

blob.png

GAN在智能交通方向有什么益处?

首先可以实现交通数据生成和建模。可以利用GAN生成与真实数据相似的交通数据,也可以利用GAN对交通数据进行建模。

其次可进行交通预测。有两种方式,一是利用GAN的架构来构建预测模型,二是利用GAN生成的数据,结合真实数据来预测,可提高鲁棒性和预测精度。

最后可以进行交通数据的弥补、交通控制。

1.7its.com 遵循行业规范,任何转载的稿件都会标注作者和来源; 2. 7its.com 的原创文章,请转载时注明文章作者和来源,不尊重原创的行为将追究责任; 3. 7its.com登载此文出于传递信息,并不意味着赞同其观点或证实其描述,文章仅供参考。
延伸阅读
半年时间已过,取消高速公路省界收费站效果如何?
从人工设定走向智能计算 | 易华录边云协同交通信号控制系
8000万 | 秦皇岛张凤龙:打造“三位一体”交通管理模式
吴柯维:AI+智慧交通的场景化应用
阿里云曾震宇:全局协同的城市数据智能
AI驱动 | 大华杨斌详解HOC智慧交管解决方案


微信二维码


新浪微博


交通包打听


360网站安全检测平台