基于 GAN 的半监督学习：重访流形正则化
机器学习
2018-05-24 v1 机器学习
摘要
GAN 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，通过用 GAN 易于计算的蒙特卡洛近似来近似拉普拉斯范数，从而进行流形正则化。当将其纳入 Improved GAN 的特征匹配 GAN 中时，我们在 CIFAR-10 数据集上取得了基于 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。
引用
@article{arxiv.1805.08957,
title = {Semi-Supervised Learning with GANs: Revisiting Manifold Regularization},
author = {Bruno Lecouat and Chuan-Sheng Foo and Houssam Zenati and Vijay R. Chandrasekhar},
journal= {arXiv preprint arXiv:1805.08957},
year = {2018}
}
备注
Accepted paper