Półnadzorowany GAN
Półnadzorowany GAN (SGAN) rozszerza standardowy dyskryminator GAN, aby jednocześnie klasyfikować oznaczone przykłady do K rzeczywistych klas i wykrywać wygenerowane fałszywe dane jako (K+1)-szą klasę, pozwalając syntetycznym danym generatora działać jako niejawna regularyzacja i umożliwiając trenowanie silnych klasyfikatorów przy bardzo niewielu oznaczonych przykładach.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Semi-supervised Generative Adversarial Network. ScholarGate. https://scholargate.app/pl/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.
- Generatywna Sieć AntagonistycznaUczenie głębokie↔ compare
- Samo-nadzorowana sieć GANUczenie głębokie↔ compare
- Klasyfikacja półnadzorowana oparta na BERTUczenie głębokie↔ compare
- Uczenie ze wsparciem częściowymUczenie maszynowe↔ compare
- Autoenkoder wariacyjnyUczenie głębokie↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →