Semi-övervakad GAN
Semi-övervakad GAN (SGAN) utökar standard-GAN-diskriminatorn till att samtidigt klassificera märkta exempel i K verkliga klasser och detektera genererade falska som en (K+1)-te klass, vilket låter generatorns syntetiska data fungera som implicit regularisering och möjliggör träning av starka klassificerare med mycket få märkta exempel.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Semi-supervised Generative Adversarial Network. ScholarGate. https://scholargate.app/sv/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.
- Generativt antagonistiskt nätverkDjupinlärning↔ compare
- Självövervakad GANDjupinlärning↔ compare
- Semi-supervised BERT-baserad klassificeringDjupinlärning↔ compare
- Semi-övervakad inlärningMaskininlärning↔ compare
- Variational AutoencoderDjupinlärning↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →