基于生成对抗网络的半监督学习
机器学习
2016-10-25 v2 机器学习
摘要
我们通过强制判别器网络输出类别标签，将生成对抗网络 (GAN) 扩展到半监督学习场景。我们在一个包含属于 N 个类别之一的输入数据集上训练生成模型 G 和判别器 D。在训练时，让 D 预测输入属于 N+1 个类别中的哪一个，其中额外增加的一个类别对应于 G 的输出。我们证明，该方法可用于创建数据效率更高的分类器，并且相比常规 GAN，能够生成更高质量的样本。
引用
@article{arxiv.1606.01583,
title = {Semi-Supervised Learning with Generative Adversarial Networks},
author = {Augustus Odena},
journal= {arXiv preprint arXiv:1606.01583},
year = {2016}
}
备注
Appearing in the Data Efficient Machine Learning workshop at ICML 2016