需要坏GAN的良好半监督学习
机器学习
2017-11-06 v3 人工智能
摘要
基于生成对抗网络（GANs）的半监督学习方法取得了强劲的实证结果，但尚不清楚：1）判别器如何受益于与生成器的联合训练；2）为何良好的半监督分类性能与良好的生成器无法同时获得。在理论上，我们证明给定判别器目标，良好的半监督学习确实需要一个坏的生成器，并提出了优选生成器的定义。在实证上，我们基于分析推导出一种新颖的公式，大幅改进了特征匹配GANs，在多个基准数据集上获得了最先进的结果。
引用
@article{arxiv.1705.09783,
title = {Good Semi-supervised Learning that Requires a Bad GAN},
author = {Zihang Dai and Zhilin Yang and Fan Yang and William W. Cohen and Ruslan Salakhutdinov},
journal= {arXiv preprint arXiv:1705.09783},
year = {2017}
}
备注
NIPS 2017 camera ready