Metodbevispost
Semi-supervised GAN
Semi-supervised GAN (SGAN) extends the standard GAN discriminator to simultaneously classify labeled examples into K real classes and detect generated fakes as a (K+1)-th class, letting the generator's synthetic data act as implicit regularization and allowing strong classifiers to be trained with very few labeled examples.
Källpost
Citat kopierade ordagrant från metodens källpost. Ingen verifiering på källnivå härleds från dem.
Semi-supervised Generative Adversarial Network
Taxonomisk metodpost · ml-model / deep-learning
- 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. · URL
- Odena, A. (2016). Semi-Supervised Learning with Generative Adversarial Networks. ICML Workshop on Generative Adversarial Networks. · URL
Kuraterade påståenden
Påståenden lagrade i bevisloggen, var och en med sin egen bedömning.
Inga kuraterade påståenden ännu
Denna vy hittar inte på en påståendebedömning när loggen saknar en.
Relaterade metoder
Genererade från metodgrafen och visade som maskinföreslagna relationer – inga bevispåståenden härleds.