29
/ru/
ru
AIzaSyAYiBZKx7MnpbEhh9jyipgxe19OcubqV5w
April 1, 2024
3511053
319230
2

16 фев 2015 г. - 对抗网络(半监督学习方法) Distributional smoothing with virtual adversarial training Miyato, T., Maeda, S., Koyama, M., Nakae, K., and Ishii, S. (2015).

Описание:

对抗样本也提供了一种实现半监督学习的方法。在与数据集中的标签不相关联的点 x 处,模型本身为其分配一些标签 yˆ。模型的标记 yˆ 未必是真正的标签,但如果模型是高品质的,那么 yˆ 提供正确标签的可能性很大。我们可以搜索一个对抗样本 x
′,导致分类器输出一个标签 y′ 且 y′ ̸= ˆy。不使用真正的标签,而是由训练好的模型提供标签产生的对抗样本被称为 虚拟对抗样本(virtual adversarial example)(Miyato et al., 2015)。我们可以训练分类器为 x 和 x′ 分配相同的标签。这鼓励分类器学习一个沿着未标签数据所在流形上任意微小变化都很鲁棒的函数。驱动这种方法的假设是,不同的类通常位于分离的流形上,并且小扰动不会使数据点从一个类的流形跳到另一个类的流形上。

Добавлено на ленту времени:

13 ноя 2019
1
0
287
Regularization

Дата:

16 фев 2015 г.
Сейчас
~ 9 г назад
PremiumAbout & FeedbackСоглашениеПриватность
logo
© 2022 Selected Technologies LLC – Morgan Hill, California