GANs Semi-supervisionadas
GANs Semi-supervisionadas (SGAN) estendem o discriminador padrão da GAN para classificar simultaneamente exemplos rotulados em K classes reais e detectar falsificações geradas como uma (K+1)-ésima classe, permitindo que os dados sintéticos do gerador atuem como regularização implícita e possibilitando o treinamento de classificadores robustos com pouquíssimos exemplos rotulados.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 3). Semi-supervised Generative Adversarial Network. ScholarGate. https://scholargate.app/pt/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.
- Rede Adversarial GenerativaAprendizado profundo↔ compare
- GAN auto-supervisionadoAprendizado profundo↔ compare
- Classificação Semi-supervisionada Baseada em BERTAprendizado profundo↔ compare
- Aprendizado Semi-supervisionadoAprendizado de máquina↔ compare
- Autoencoder VariacionalAprendizado profundo↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →