Semi-supervised GAN
Semi-supervised GAN (SGAN) rozšiřuje standardní diskriminátor GAN tak, aby současně klasifikoval označené příklady do K reálných tříd a detekoval generované padělky jako (K+1)-tou třídu, což umožňuje generátoru využívat syntetická data jako implicitní regularizaci a trénovat silné klasifikátory s velmi malým počtem označených příkladů.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- Salimans, T., Goodfellow, I., Zaremba, W., Cheung, V., Radford, A., & Chen, X. (2016). Improved Techniques for Training GANs. Advances in Neural Information Processing Systems (NeurIPS), 29. link ↗
- Odena, A. (2016). Semi-Supervised Learning with Generative Adversarial Networks. ICML Workshop on Generative Adversarial Networks. link ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Semi-supervised Generative Adversarial Network. ScholarGate. https://scholargate.app/cs/deep-learning/semi-supervised-gan
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Generativní adversariální síťHluboké učení↔ compare
- Samoučící se GANHluboké učení↔ compare
- Polu-dohledová klasifikace založená na BERTHluboké učení↔ compare
- Semisupervisední učeníStrojové učení↔ compare
- Variační autoenkodérHluboké učení↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →