Полусупервизорная GAN
Полусупервизорная GAN (SGAN) расширяет стандартный дискриминатор GAN для одновременной классификации размеченных примеров по K реальным классам и обнаружения сгенерированных подделок как (K+1)-го класса, позволяя синтетическим данным генератора выступать в качестве неявной регуляризации и обучать сильные классификаторы с очень небольшим количеством размеченных примеров.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Semi-supervised Generative Adversarial Network. ScholarGate. https://scholargate.app/ru/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.
- Генеративно-состязательная сетьГлубокое обучение↔ compare
- Self-supervised GANГлубокое обучение↔ compare
- Полуавтоматическая классификация на основе BERTГлубокое обучение↔ compare
- Обучение с частичной разметкойМашинное обучение↔ compare
- Вариационный автокодировщикГлубокое обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →