基于GAN的流形正则化半监督学习
机器学习
2018-07-13 v1 机器学习
摘要
生成对抗网络是强大的生成模型，能够建模自然图像的流形。我们利用这一性质，通过使用GAN易于计算的蒙特卡洛近似来逼近拉普拉斯范数的一变种，从而实现流形正则化。当将其纳入半监督特征匹配GAN时，我们在CIFAR-10和SVHN基准上取得了基于GAN的半监督学习的state-of-the-art结果，且该方法比竞争方法显著更易实现。我们还发现流形正则化提升了生成图像的质量，并受到用于逼近正则项的GAN质量的影响。
引用
@article{arxiv.1807.04307,
title = {Manifold regularization with GANs for semi-supervised learning},
author = {Bruno Lecouat and Chuan-Sheng Foo and Houssam Zenati and Vijay Chandrasekhar},
journal= {arXiv preprint arXiv:1807.04307},
year = {2018}
}