Rekod bukti kaedah
Semi-supervised GAN
Semi-supervised GAN (SGAN) extends the standard GAN discriminator to simultaneously classify labeled examples into K real classes and detect generated fakes as a (K+1)-th class, letting the generator's synthetic data act as implicit regularization and allowing strong classifiers to be trained with very few labeled examples.
Rekod sumber
Petikan disalin secara verbatim daripada rekod sumber kaedah. Tiada pengesahan peringkat tuntutan disimpulkan daripadanya.
Semi-supervised Generative Adversarial Network
Rekod kaedah taksonomik · ml-model / deep-learning
- 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. · URL
- Odena, A. (2016). Semi-Supervised Learning with Generative Adversarial Networks. ICML Workshop on Generative Adversarial Networks. · URL
Tuntutan yang dikurasi
Tuntutan disimpan dalam lejar bukti, setiap satu dengan penilaiannya sendiri.
Tiada tuntutan terkurasi lagi
Pandangan ini tidak mencipta penilaian tuntutan apabila lejar tiada.
Kaedah berkaitan
Dijana daripada graf kaedah dan ditunjukkan sebagai perhubungan yang dicadangkan mesin — tiada tuntutan bukti disimpulkan.