学习笔记——半监督学习

SGAN介绍

传统的机器学习分为监督式学习和无监督式学习。前者的数据是有标签的,后者的数据是无标签的,然而,在很多问题中,有标签的数据是非常少的,要想获得有标签的数据,需要人工标注等一些操作。而无标签的数据则比较容易获得。半监督学习就是要结合监督式和无监督式,利用少量标签数据与大量无标签数据进行训练,然后,实现对未标签数据进行分类

在生成对抗网络中,真实数据可以被看做有标签数据集,生成器随机产生的数据则可以被看做是无标签数据集。在深度卷积生成对抗网络DCGAN中,使用生成模型特征提取后的判别器已经可以实现分类的效果。首先,由判别器D学习到的特征可以提升分类器C的效果。那么一个好的分类器也可以优化判别器的最终效果。而C和D是无法同时训练的。然后C和D是可以相互促进提升的。而提升了判别器的能力。生成器G的效果也会随之变得更好,三者会在一个交替过程中趋向一个理想的平衡点。

因次,提出了一个半监督式GAN,称之为SGAN。希望能够同时训练生成器与半监督式分类器,最终实现一个更优的半监督式分类器,以及一个成像更高的生成模型。在传统的二分类模式基础上,SGAN变成了多分类,类型数量为N+1。分别指代N个标签和一个“假”数据。在实际过程中,判别器和分类器是一体的,记作D/C。共同与生成器G形成一个博弈关系。目标函数为负向最大似然估计(NLL)。下面为伪代码:

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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