论文共读 | “阳奉阴违”的半监督学习算法 - Virtual Adversarial Training
「论文共读」是由 PaperWeekly 发起的协同阅读小组。我们每周精选一篇优质好文,由学术大咖带大家解读论文并展开讨论,在碎片化时代坚持深度阅读。
本期论文共读由 PaperWeekly 社区用户 @WarBean 主持,他将带大家通过两篇论文聚焦半监督学习算法。
论文介绍
Virtual Adversarial Training: a Regularization Method for Supervised and Semi-supervised Learning
@WarBean 推荐
#Semi-supervised Learning
利用对抗的思想,要求模型对一个样本在施加对抗性噪声前后给出尽可能相同的预测值,从而对模型施加 smooth regularization,以此利用无标注样本进行半监督学习。论文仅用 100 个标注 MNIST 样本取得 1.36% 的测试误差,仅用 4000 个标注 CIFAR 样本取得 13.15% 的测试误差。
论文链接
http://www.paperweekly.site/papers/938
Adversarial Dropout for Supervised and Semi-supervised Learning
@WarBean 推荐
#Semi-supervised Learning
Virtual Adverarial Training(上篇论文)的变种,原来在 input data 上加对抗干扰,本文在网络中间层进行对抗性 dropout,取得了与 VAT 接近的半监督训练效果,配合原始 VAT 一起在 CIFAR 和 SVHN 上取得 state-of-the-art 的半监督学习性能。
论文链接
http://www.paperweekly.site/papers/939
嘉宾介绍
郑华滨,中山大学硕士生,研究方向为GAN,文本生成和OCR。
论文共读
“阳奉阴违”的半监督学习算法
Virtual Adversarial Training
论文解读√在线讨论√
活动形式:语音直播
活动时间
10 月 25 日(周三)20:30-21:30
30 min 串讲 + 30 min 讨论
*请在活动开始前完成论文精读
长按识别二维码,马上报名
*报名成功后,关注系统弹出的公众号获取活动提醒
关于PaperWeekly
PaperWeekly 是一个推荐、解读、讨论、报道人工智能前沿论文成果的学术平台。如果你研究或从事 AI 领域,欢迎在公众号后台点击「交流群」,小助手将把你带入 PaperWeekly 的交流群里。
▽ 点击 | 阅读原文 | 进行报名
论文共读 | “阳奉阴违”的半监督学习算法 - Virtual Adversarial Training相关推荐
- 报名 | “阳奉阴违”的半监督学习算法 - Virtual Adversarial Training
「论文共读」是由 PaperWeekly 发起的协同阅读小组.我们每周精选一篇优质好文,由学术大咖带大家解读论文并展开讨论,在碎片化时代坚持深度阅读. 本期论文共读由 PaperWeekly 社区用户 ...
- 更少的标签,更好的学习,谷歌半监督学习算法FixMatch
点击我爱计算机视觉标星,更快获取CVML新技术 本文向大家推荐谷歌前段时间发布的论文 FixMatch: Simplifying Semi-Supervised Learning with Consi ...
- 厉害了!谷歌新发布的半监督学习算法降低4倍错误率
点击我爱计算机视觉标星,更快获取CVML新技术 昨天跟大家分享了Facebook AI 提出10亿级数据规模的半监督图像分类模型,ImageNet测试精度高达81.2%!,引起了不少朋友的兴趣.虽说做 ...
- NIPS'22 | USB: 统一、任务多样化、对学术界更友好的半监督学习算法库
每天给你送来NLP技术干货! 来自:王晋东不在家 当使用监督学习(Supervised Learning)对大量高质量的标记数据(Labeled Data)进行训练时,神经网络模型会产生有竞争力的结果 ...
- [半监督学习] Virtual Adversarial Training: A Regularization Method for Supervised and SSL
提出一种基于虚拟对抗损失的新正则化方法, 虚拟对抗性损失被定义为每个输入数据点周围的条件标签分布对局部扰动的鲁棒性. 与对抗训练不同, VAT 方法在没有标签信息的情况下定义了对抗方向, 因此适用于半 ...
- 该如何对「半监督学习算法」实际性应用进行评估?Google给出了新答案
原文来源:arXiv 作者:Avital Oliver.Augustus Odena.Colin Raffel.Ekin D. Cubuk.Ian J. Goodfellow 「雷克世界」编译:KAB ...
- GAN异常检测论文笔记(一)《GANomaly: Semi-Supervised Anomaly Detection via Adversarial Training》
0 Abstract: 通过使用一个联合学习高维图像空间的生成和潜伏空间的推理的生成对抗性网络,引入了这种新型的异常检测模型.在生成器网络中采用编码器-解码器-编码器子网络,使模型能够将输入图像映射为 ...
- 一种基于伪标签半监督学习的小样本调制识别算法
一种基于伪标签半监督学习的小样本调制识别算法 人工智能技术与咨询 来源:<西北工业大学学报>,作者史蕴豪等 摘 要:针对有标签样本较少条件下的通信信号调制识别问题,提出了一种基于伪标签半监 ...
- 半监督学习深度学习算法
该文章主体摘自知乎糯米稻谷的文章,对一些细节添加了自己的理解 文章链接https 半监督学习 啥是半监督学习(Semi-supervised Learning) 1.简单自训练(simple self ...
最新文章
- table1函数----一维查表
- 【Linux】一步一步学Linux——tree命令(23)
- ●BZOJ 3129 [Sdoi2013]方程
- iOS c语言 基本运算符
- 使用Maven进行增量构建
- 1.3 编程基础之算术表达式与顺序执行 08 温度表达转化
- jQuery原理第三天
- mysql 多实例 独立配置文件_mysql 5.7 配置多实例 — 独立配置文件方式
- POI 操作Excel添加超链接
- 开课吧:教你认识C++基本程序
- 乌鲁木齐大雾弥漫 局地能见度不足200米
- 智慧酒店:锐捷网络打造的完美酒店
- 单片机蜂鸣器奏乐代码例子
- python怎么使用自定义停用词_在Python中使用NLTK删除停用词
- [Pytorch系列-33]:数据集 - torchvision与CIFAR10/CIFAR100详解
- 全奖热招 | TUM、HKU、McGill、UTS等8所高校全奖博士招生信息汇总
- 荒野大镖客2无法连接远程计算机,荒野大镖客2pc版常见问题解决办法_常见问题解决方法汇总...
- 「干货」12.5米数字高程DEM专题图制作教程
- 人脸识别门禁项目总结(STM32部分)
- 底层网络知识详解:从二层到三层-第7讲-ICMP与ping:投石问路的侦察兵