講座內(nèi)容：概率分布差異程度的度量是非監(jiān)督領(lǐng)域自適應(yīng)和圖像生成領(lǐng)域的一個(gè)核心問(wèn)題，目前主要有最大化均值差異（MMD）和生成式對(duì)抗網(wǎng)絡(luò)（GAN）兩種非參數(shù)度量方式。相對(duì)而言，MMD在領(lǐng)域自適應(yīng)中得到了較多的關(guān)注和應(yīng)用，而GAN更多地被應(yīng)用于圖像生成。因此，我們對(duì)最近MMD和GAN方面的進(jìn)展做了簡(jiǎn)單的總結(jié)。針對(duì)領(lǐng)域自適應(yīng)，我們分析了當(dāng)前MMD模型的問(wèn)題和不足，提出了一種加權(quán)MMD模型，并針對(duì)非監(jiān)督領(lǐng)域自適應(yīng)情形下給出了一種權(quán)重的自適應(yīng)估計(jì)方法，以及在領(lǐng)域自適應(yīng)和圖像生成任務(wù)中驗(yàn)證了WMMD的有效性。結(jié)合人臉屬性轉(zhuǎn)換問(wèn)題，通過(guò)設(shè)計(jì)恰當(dāng)?shù)母兄獡p失和正則化項(xiàng)，我們給出了一種基于GAN的解決方案，并進(jìn)一步提出了一種自適應(yīng)GAN模型，實(shí)驗(yàn)結(jié)果驗(yàn)證了自適應(yīng)GAN相對(duì)于GAN在訓(xùn)練效率和生成效果上的優(yōu)勢(shì)。