GAN semi-supervisé
Le GAN semi-supervisé (SGAN) étend le discriminateur GAN standard pour classer simultanément des exemples étiquetés en K classes réelles et détecter les faux générés comme une (K+1)-ième classe, laissant les données synthétiques du générateur agir comme régularisation implicite et permettant d'entraîner des classificateurs puissants avec très peu d'exemples étiquetés.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Semi-supervised Generative Adversarial Network. ScholarGate. https://scholargate.app/fr/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.
- Réseau antagoniste génératifApprentissage profond↔ compare
- GAN auto-superviséApprentissage profond↔ compare
- Classification semi-supervisée basée sur BERTApprentissage profond↔ compare
- Apprentissage semi-superviséApprentissage automatique↔ compare
- Autoencodeur VariationnelApprentissage profond↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →