2022年1月22日上午10点，人工智能学院在腾讯会议开展“AI战疫行”主题活动之“AI行”朋辈论坛学术云沙龙系列活动第四场，本次活动由人工智能学院副院长陈亚瑞进行“深度概率生成模型研究”主题分享，副院长张贤坤出席并主持活动，人工智能学院研究生、本科生百余人参加。

陈亚瑞老师首先介绍了判别式深度学习（Discriminative(deep) Learning）和概率生成模型（Probabilistic Generative Models），通过分析对比两者的关系得出判别式深度学习主要关注从输入到输出的映射函数，而生成模型主要关注样本的分布，从而引出研究生成模型的目的有两点，一是处理大规模的无标记数据，包括无监督学习和有监督学习；二是语言转换、标题抽取、语音合成。

接着，陈亚瑞老师对比传统概率生成模型与深度生成模型之间的具体方法以及应用，介绍传统概率生成模型主要有朴素贝叶斯模型（Naive Bayes）、高斯混合模型（Mixture Gaussian Model）、时间序列模型、主题生成模型（Latent Dirichlet Allocation, LDA）和Factorial模型，而深度概率生成模型主要有玻尔兹曼机（Boitzmann Machine）、变分自编码模型（Variational Autoencoders, VAEs）、生成对抗网络（Generative Adversarial Networks, GAN）和基于流的模型（Flow-based Model）。然后陈亚瑞老师讲解了生成模型可进行图像超分、图像转换以及人脸去遮挡等任务，并配合图片进行效果演示。

最后陈亚瑞老师从生成模型建模、训练学习等角度详细介绍了高斯混合模型（GMM）、变分自编码（VAEs）和生成对抗网络（GAN）三种模型。

本次会议陈亚瑞老师从构成、内容、发展等多角度地、具体详细地介绍了深度概率生成模型，图形结合的介绍方法让同学们对深度概率生成模型有所感悟。会议尾声，陈亚瑞老师跟同学们展开了友好互动，并就同学们提出的问题一一进行回答。

至此，人工智能学院“AI战疫行”主题活动之“AI行”朋辈论坛学术云沙龙系列活动第四场圆满结束，本次活动丰富了同学们对于深度概率生成模型的认识，激发同学们学习的兴趣，将引领同学们取得更优异的成绩。

撰稿人：翁永儿 李浩 邓庆旭

摄影：翁永儿

审稿人：宋绍玮 安林杰