GAN semi-supervizat
GAN-ul semi-supervizat (SGAN) extinde discriminatorul standard al GAN pentru a clasifica simultan exemple etichetate în K clase reale și pentru a detecta falsurile generate ca o (K+1)-a clasă, permițând datelor sintetice ale generatorului să acționeze ca regularizare implicită și permițând antrenarea unor clasificatori puternici cu foarte puține exemple etichetate.
Citește metoda completă
Autentifică-te cu un cont gratuit pentru a citi această secțiune.
Method map
The neighbourhood of related methods — select a node to explore.
Surse
- 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 ↗
Cum se citează această pagină
ScholarGate. (2026, June 3). Semi-supervised Generative Adversarial Network. ScholarGate. https://scholargate.app/ro/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.
- Rețea Generativă AdversarialÎnvățare profundă↔ compare
- GAN auto-supervizatÎnvățare profundă↔ compare
- Clasificare semi-supervizată bazată pe BERTÎnvățare profundă↔ compare
- Învățare semi-supervizatăÎnvățare automată↔ compare
- Autoencoder VariaționalÎnvățare profundă↔ compare
Citat de
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →