Metodebevisregister
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.
Kilderegister
Siteringer kopiert ordrett fra metodens kilderegister. Ingen påstandsnivåverifisering er underforstått fra dem.
Semi-supervised Generative Adversarial Network
Taksonomisk metoderegister · 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
Kuraterte påstander
Påstander lagret i bevishovedboken, hver med sin egen vurdering.
Ingen kuraterte påstander ennå
Denne visningen finner ikke opp en påstandsvurdering når hovedboken ikke har noen.
Relaterte metoder
Generert fra metodegrafen og vist som maskinforslåtte relasjoner – ingen bevispåstand er underforstått.