联合随机近似随机场及其在半监督学习中的应用
机器学习
2025-05-28 v1 机器学习
摘要
我们对为半监督学习（SSL）开发的深度生成模型（DGMs），主要包括GAN和VAE，提出了两个问题。首先，在GAN和VAE的生成中观察到模式缺失和模式覆盖现象。其次，在SSL中使用有向生成模型时，良好分类与良好生成之间存在尴尬的冲突。为解决这些问题，我们正式提出联合随机近似随机场（JRFs）——一种用于构建深度无向生成模型的新型算法家族，用于SSL。通过合成实验发现，JRFs在平衡模式覆盖和模式缺失方面表现良好，能够较好地匹配经验数据分布。经验上，JRFs在广泛采用的数据集——MNIST、SVHN和CIFAR-10——上实现的分类结果可与最先进的方法相当，同时表现出良好的生成能力。
引用
@article{arxiv.2505.20330,
title = {Joint-stochastic-approximation Random Fields with Application to Semi-supervised Learning},
author = {Yunfu Song and Zhijian Ou},
journal= {arXiv preprint arXiv:2505.20330},
year = {2025}
}
备注
ICML 2018 submission. arXiv admin note: text overlap with arXiv:1808.01630, arXiv:2505.18558