GAN Semi-terawasi
GAN Semi-terawasi (SGAN) memperluas diskriminator GAN standar untuk secara bersamaan mengklasifikasikan contoh berlabel ke dalam K kelas nyata dan mendeteksi palsuan yang dihasilkan sebagai kelas ke-(K+1), membiarkan data sintetis generator bertindak sebagai regularisasi implisit dan memungkinkan pengklasifikasi kuat dilatih dengan sangat sedikit contoh berlabel.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Semi-supervised Generative Adversarial Network. ScholarGate. https://scholargate.app/id/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.
- Jaringan Adversarial GeneratifPembelajaran Mendalam↔ compare
- Self-supervised GANPembelajaran Mendalam↔ compare
- Klasifikasi Berbasis BERT Semi-TerawasiPembelajaran Mendalam↔ compare
- Pembelajaran Semi-terawasiPembelajaran Mesin↔ compare
- Variational AutoencoderPembelajaran Mendalam↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →