Semi-supervised GAN
Semi-supervised GAN (SGAN) breidt de standaard GAN-discriminator uit om gelabelde voorbeelden tegelijkertijd te classificeren in K reële klassen en gegenereerde valse exemplaren te detecteren als een (K+1)-de klasse, waardoor de synthetische gegevens van de generator fungeren als impliciete regularisatie en sterke classificatoren kunnen worden getraind met zeer weinig gelabelde voorbeelden.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Semi-supervised Generative Adversarial Network. ScholarGate. https://scholargate.app/nl/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.
- Generatief Adversarieel NetwerkDeep learning↔ compare
- Zelfgesuperviseerde GANDeep learning↔ compare
- Semi-gesuperviseerde BERT-gebaseerde ClassificatieDeep learning↔ compare
- Semi-supervised LearningMachine learning↔ compare
- Variational AutoencoderDeep learning↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →