Puss-uzraudzīts GAN
Puss-uzraudzīts GAN (SGAN) paplašina standarta GAN diskriminatoru, lai vienlaicīgi klasificētu marķētus piemērus K reālās klasēs un atklātu ģenerētās viltotās kā (K+1)-to klasi, ļaujot ģeneratora sintētiskajiem datiem darboties kā netiešai regularizācijai un ļaujot apmācīt spēcīgus klasifikatorus ar ļoti maziem marķētiem piemēriem.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Semi-supervised Generative Adversarial Network. ScholarGate. https://scholargate.app/lv/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.
- Generatīvais Adversariālais TīklsDziļā mācīšanās↔ compare
- Pašuzraudzības GANDziļā mācīšanās↔ compare
- Pusautomātiskā klasifikācija, kas balstīta uz BERTDziļā mācīšanās↔ compare
- Daudzpusīgā apguveMašīnmācīšanās↔ compare
- Variacionālais autoenkodersDziļā mācīšanās↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →