生成性对抗式主动学习摘要我们提出一种使用生成式对抗网络(gan)的 .pdfVIP

下载本文档

155
0
约1.08万字
约 8页
2017-08-21 发布于天津
举报
版权申诉

生成性对抗式主动学习摘要我们提出一种使用生成式对抗网络(gan)的 .pdf

1、本文档共8页，其中可免费阅读3页，需付费100金币后方可阅读剩余内容。
2、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。
3、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
4、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

生成性对抗式主动学习摘要我们提出一种使用生成式对抗网络的新的主动学习方法与常规主动学习不同我们自适应地合成用于查询的训练实例以提高学习速度我们的方法优于在主动学习实验仅使用的随机生成方式与其他算法相比我们证明了所提出算法在各种数据集中的有效性据我们所知这是使用的第一个主动学习工作介绍近年来最令人兴奋的机器学习突破之一是生成式对抗网络等它通过发现一个双人对手游戏的纳什均衡训练一个生成模型其在复杂域中生成样本的能力使得主动学习者能够根据需要合成训练样本的新的可能性而不是依赖于从给定池中选择要查询的实

生成性对抗式主动学习摘要我们提出一种使用生成式对抗网络(GAN)的新的主动学习方法。与常规主动学习不同，我们自适应地合成用于查询的训练实例以提高学习速度。我们的方法优于在主动学习实验仅使用GAN的随机生成方式。与其他算法相比，我们证明了所提出算法在各种数据集中的有效性。据我们所知，这是使用GAN的第一个主动学习工作。 1.介绍近年来最令人兴奋的机器学习突破之一是生成式对抗网络(GAN)(Goodfellow等，2014)。它通过发现一个双人对手游戏的纳什均衡训练一个生成模型。其在复杂域