半监督学习与生成对抗网络在AI学术研究中应用探索.pdfVIP

Semi‑监督学习与生成对抗网络

AugustusOdenaAUGUSTUS.ODENA@.COM

预测的类别分布。在Radford等人(2015)的研究中，

我们通过强制判别网络输出类别，将生D学到的特征被重新用于分类器。

6成对抗网络（GANs）扩展到半监督上下文后者展示了所学表示的实用性，但它有几个不理想的

。特性。首先，D学到的表示有助于提高C的性能并不

1中我们在一个包含N个类别的数据集上训

0

生令人惊讶——这似乎是一个合理的假设。然而，同样

2练成模型G和判别模型D。在训练过程中，

要合理的是，学个好的C也应该有助于提高D的

tD被求预测输入属