Semi-supervised GAN
Semi-supervised GAN (SGAN) utvider den standard GAN-diskriminatoren til samtidig å klassifisere merkede eksempler i K reelle klasser og oppdage genererte falske eksempler som en (K+1)-te klasse. Dette lar generatorens syntetiske data fungere som implisitt regularisering og gjør det mulig å trene sterke klassifikatorer med svært få merkede eksempler.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Semi-supervised Generative Adversarial Network. ScholarGate. https://scholargate.app/no/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.
- Generativt motsetningsnettverkDyp læring↔ compare
- Selv-supervisert GANDyp læring↔ compare
- Semi-supervised BERT-basert klassifiseringDyp læring↔ compare
- Semiveiledet læringMaskinlæring↔ compare
- VariasjonsautoenkoderDyp læring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →