方差正则化对抗学习
机器学习
2018-08-21 v2 机器学习
摘要
我们提出了一种训练对抗模型的新方法，用关于真实/伪造指示变量的双峰高斯分布替代判别器分数。为此，我们通过元对抗训练隐式地训练高斯分类器以匹配目标双峰分布。我们假设该方法能确保即使对于完美分类器，生成器也能获得非零梯度。我们在标准基准图像数据集上测试了我们的方法，并展示了分类器输出分布是平滑的且在真实与伪造模式间存在重叠。
引用
@article{arxiv.1707.00309,
title = {Variance Regularizing Adversarial Learning},
author = {Karan Grewal and R Devon Hjelm and Yoshua Bengio},
journal= {arXiv preprint arXiv:1707.00309},
year = {2018}
}
备注
Method is out of date and some results are incorrect