GAN semi-supervisionato
Il GAN semi-supervisionato (SGAN) estende il discriminatore GAN standard per classificare simultaneamente esempi etichettati in K classi reali e per rilevare falsi generati come (K+1)-esima classe, lasciando che i dati sintetici del generatore agiscano come regolarizzazione implicita e permettendo di addestrare classificatori robusti con pochissimi esempi etichettati.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Semi-supervised Generative Adversarial Network. ScholarGate. https://scholargate.app/it/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.
- Rete Generativa AvversariaApprendimento profondo↔ compare
- Self-supervised GANApprendimento profondo↔ compare
- Classificazione semi-supervisionata basata su BERTApprendimento profondo↔ compare
- Apprendimento semi-supervisionatoApprendimento automatico↔ compare
- Variational AutoencoderApprendimento profondo↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →