GAN semi-supervisado
El GAN semi-supervisado (SGAN) extiende el discriminador GAN estándar para clasificar simultáneamente ejemplos etiquetados en K clases reales y detectar falsificaciones generadas como una (K+1)-ésima clase, permitiendo que los datos sintéticos del generador actúen como regularización implícita y posibilitando el entrenamiento de clasificadores potentes con muy pocos ejemplos etiquetados.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- 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 ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Semi-supervised Generative Adversarial Network. ScholarGate. https://scholargate.app/es/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.
- Red Generativa AntagónicaAprendizaje profundo↔ compare
- Self-supervised GANAprendizaje profundo↔ compare
- Clasificación semisupervisada basada en BERTAprendizaje profundo↔ compare
- Aprendizaje semisupervisadoAprendizaje automático↔ compare
- Autoencoder VariacionalAprendizaje profundo↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →