挖坑:UNSUPERVISED AND SEMI-SUPERVISED LEARNING WITH CATEGORICAL GENERATIVE ADVERSARIAL NETWORKS

最新推荐文章于 2023-05-30 18:14:42 发布
最新推荐文章于 2023-05-30 18:14:42 发布
阅读量3.5k 收藏 2
点赞数
分类专栏： 翻译阅读笔记 文章标签： CatGAN 无监督学习 半监督学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/jsliuqun/article/details/55668078
版权
本文介绍了CatGAN，一种基于生成对抗网络的无监督和半监督学习方法，用于从未标记或部分标记数据中学习判别分类器。CatGAN通过在观测样本和预测类别分布间权衡互信息与对抗模型的鲁棒性，实现了对未知标签数据的高效学习。在合成数据和图像分类任务中展示了其鲁棒性和分类器的性能。
摘要由CSDN通过智能技术生成

Springenberg J T. Unsupervised and Semi-supervised Learning with Categorical Generative Adversarial Networks[J]. Computer Science, 2015.
原文下载链接

2016ICLR 会议论文

Abstract

文中作者提出一种从为标记或部分标记数据中学习判别分类器的方法.方法是基于一个目标函数,在观测样本和他们预测的类别分布间trades-off(交换,权衡)互信息,against生成对抗模型的分类器的鲁棒性.该算法可以理解为GAN框架的一个自然泛化或正规化信息最大化(RIM)框架的一个扩展来鲁棒分类.作者在合成数据和富有挑战性的图像分类任务上评估该方法(CatGAN绝对Gan),展示学到的分类器的鲁棒性.作者进一步定性地评估对抗生成器生成的样本的保真度,并确定CatGAN目标和判别聚类算法(RIM)之间的联系.

Introduction

学习未标注数据的前提是,训练样本内呈现的结构包含可以用来推断未知标签的信息.也就是说,在无监督学习中,我们假设输入分布p(x)包含关于p(y|x)的信息,这里y属于{1,…k},表示未知标签.通过利用来自数据分布中的标记和未标记的样本,希望学到一个能捕获这种shared structure(共

最低0.47元/天 解锁文章
菜鸟要超神
关注
专栏目录
Unsupervised and Semi-supervised Multi-class Support Vector Machines
zhengqqaileen的专栏
07-27 416
A new unsupervised and semi-supervised training algorithms for multi-class support vector machines based on semidefinite programming (SDP). From 2005~
【GAN ZOO翻译系列】Cat GAN：UNSUPERVISED AND SEMI-SUPERVISED LEARNING WITH CATEGORICAL GAN 用于监督和半监督学习的GAN
hyczkg的博客
09-20 3869
Jost Tobias Springenberg 弗莱堡大学 79110 Freiburg, Germany springj@cs.uni-freiburg.de 原文链接https://arxiv.org/abs/1511.06390v2 摘要 本文提出了一种从未标记或部分标记的数据中学习判别分类器的方法。方法基于客观函数，该函数在观察到的示例与其预测的分类类别分布之间交换互信息...
Semi-supervised learning
tzyf333的专栏
03-18 4105
<br />http://www.madongfly.cn/articles/active-learning.html<br />http://demonstrate.ycool.com/post.3122672.html<br />http://blogger.org.cn/blog/more.asp?name=DMman&id=27357<br /> <br /> <br />在机器学习(Machine learning)领域，监督学习(Supervised learning)、非监督学习(Un
手把手教你用GAN实现半监督学习
热门推荐
Double_V的博客
11-14 4万+
引言 本文主要介绍如何在tensorflow上仅使用200个带标签的mnist图像，实现在一万张测试图片上99%的测试精度，原理在于使用GAN做半监督学习。前文主要介绍一些原理部分，后文详细介绍代码及其实现原理。前文介绍比较简单，有基础的同学请掠过直接看第二部分，文章末尾给出了代码GitHub链接。对GAN不了解的同学可以查看微信公众号：机器学习算法全栈工程师 的GAN入门文章。 本博客中的代...
论文笔记之：Semi-Supervised Learning with Generative Adversarial Networks
a1424262219的博客
08-25 609
Semi-Supervised Learning with Generative Adversarial Networks 　　 　　引言：本文将产生式对抗网络（GAN）拓展到半监督学习，通过强制判别器来输出类别标签。我们在一个数据集上训练一个产生式模型 G 以及 一个判别器 D，输入是N类当中的一个。在训练的时候，D被用于预测输入是属于 N+1的哪一个，这个+1是对应了G的...
Semi-supervised Learning
travischan的博客
11-30 708
简单聊一下Semi-supervised Learning(SSL)分类时, 两个可用的方法: self-training与active learning.
Semi-Supervised Learning with Generative Adversarial Networks
jsliuqun的博客
04-13 6929
通过使判别器网络输出类别标签将GAN扩展成半监督的。在一个N类别的数据集上训练生成模型G和判别模型D。训练时，D预测输入数据属于N个类别中的哪一个，加入一个额外的类别对应G的输出。我们证明，相对与普通的GAN，此方法可以用来生成一个更有效的分类器并可以生成高质量的样本。
深度学习笔记一：生成对抗网络（Generative Adversarial Nets）
眼观
11-22 1万+
文章链接：http://papers.nips.cc/paper/5423-generative-adversarial-nets.pdf 已经有段时间没看过Deep learning的东西了，最近要重新捡起来了。从生成对抗网络（GAN）开始。 这是Goodfellow的scholar主页，没看过的可以去膜拜一下。 与GAN相关的最新的推荐文章： Unsupervised and Semi
【Active Learning - 04】Generative Adversarial Active Learning
Houchaoqun_XMU的博客
04-28 2436
【2017.11.15】Generative Adversarial Active Learning 相关文档： 【2017】Generative Adversarial Active Learning.pdf【2017】Generative Adversarial Active Learning_PPT.pdf 学习笔记：GAN + Active learning 主要步骤： GANs ...
Semi-Supervised Learning
12-16
Semi-Supervised Learning
机器学习 -- Semi-supervised Learning
01-30
Semi-supervised Learning Introduction Why semi-supervised learning helps? Semi-supervised Learning for Generative Model Low-density Separation Assumption Smoothness Assumption Better Representation
半监督学习综述(a survey of semi-supervised learning)
11-28
一篇数据挖掘课的作业论文。 关于半监督学习方面的综述性文章。 所参考文献在2009年以前。 目前这方面的中文文献相对较少，希望我的这篇作业能对有兴趣做这方面研究的朋友有所帮助，其中错误之处还请大家多多指出。
GAN汇总
简简单单
12-26 2990
3D-ED-GAN - Shape Inpainting using 3D Generative Adversarial Network and Recurrent Convolutional Networks 3D-GAN - Learning a Probabilistic Latent Space of Object Shapes via 3D Generative-Adversarial...
excel熵值法计算权重_计算机视觉中的半监督学习
weixin_40005542的博客
11-21 284
作者：Amit Chaudhary编译：ronghuaiyang原文链接：计算机视觉中的半监督学习​mp.weixin.qq.com导读图解半监督的各种方法的关键思想。计算机视觉的半监督学习方法在过去几年得到了快速发展。目前最先进的方法是在结构和损失函数方面对之前的工作进行了简化，以及引入了通过混合不同方案的混合方法。在这篇文章中，我会通过图解的方式解释最近的半监督学习方法的关键思想。1、自训练在...
Semi-supervised Learning(半监督学习)
长路漫漫亦灿灿
05-30 1387
半监督学习，
机器学习系列15-半监督学习
weixin_44406200的博客
06-28 2510
如果本文对你有帮助，请给我的github打个star叭 辛苦整理码字不易，免费分享给大家，也希望大家能帮忙点一点下面的图片，给我更多的更新动力叭！ 半监督学习(semi-supervised learning) 1、introduction 2、Semi-supervised Learning for Generative Model 3、Low-density Separation Assumption：非黑即白 4、Smoothness Assumption：近朱者赤，近墨者黑 5、Better R
半监督学习（semi-supervised learning）
n不正
04-15 5589
半监督学习（semi-supervised learning）1 introduction why semi-supervised learning? 收集数据很贵，收集有标签的数据更贵！ superviesd：D={(xi,yi)}Ni=1D = \{ (x_i,y_i)\}_{i = 1}^N semi-supervised：D={(xi,yi)}Mi=1∪{xu}Nj=M+1D
半监督学习（SEMI-Supervised Learning）
qq_42769683的博客
11-08 7108
简单易懂什么是半监督学习，为什么使用半监督学习
2020年的国际会议ICML在哪里举行？Unsupervised representation learning with deep convolutional generative adversarial networks发表在哪里？
最新发布
06-11
2020年的国际会议ICML是由线上举办的，受新冠疫情的影响无法线下聚集。而Unsupervised representation learning with deep convolutional generative adversarial networks这篇论文是发表在2016年的国际会议ICLR（International Conference on Learning Representations）上的。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值