报名 | “阳奉阴违”的半监督学习算法 - Virtual Adversarial Training
「論文共讀」是由 PaperWeekly 發起的協同閱讀小組。我們每周精選一篇優質好文，由學術大咖帶大家解讀論文并展開討論，在碎片化時代堅持深度閱讀。
本期論文共讀由 PaperWeekly 社區用戶 @WarBean 主持，他將帶大家通過兩篇論文聚焦半監督學習算法。
論文介紹
?
Virtual Adversarial Training: a Regularization Method for Supervised and Semi-supervised Learning
@WarBean 推薦
#Semi-supervised Learning
利用對抗的思想，要求模型對一個樣本在施加對抗性噪聲前后給出盡可能相同的預測值，從而對模型施加 smooth regularization，以此利用無標注樣本進行半監督學習。論文僅用 100 個標注 MNIST 樣本取得 1.36% 的測試誤差，僅用 4000 個標注 CIFAR 樣本取得 13.15% 的測試誤差。
?
Adversarial Dropout for Supervised and Semi-supervised Learning
@WarBean 推薦
#Semi-supervised Learning
Virtual Adverarial Training（上篇論文）的變種，原來在 input data 上加對抗干擾，本文在網絡中間層進行對抗性 dropout，取得了與 VAT 接近的半監督訓練效果，配合原始 VAT 一起在 CIFAR 和 SVHN 上取得 state-of-the-art 的半監督學習性能。
嘉賓介紹
?
鄭華濱，中山大學碩士生，研究方向為GAN，文本生成和OCR。
? ? ?論文共讀 ? ??
?“陽奉陰違”的半監督學習算法
Virtual Adversarial Training
論文解讀√在線討論√
活動形式：語音直播
?
?活動時間?
10 月 25 日（周三）20:30-21:30
30 min 串講 + 30 min 討論
*請在活動開始前完成論文精讀
?
長按識別二維碼，馬上報名
*報名成功后，關注系統彈出的公眾號獲取活動提醒
關于PaperWeekly
PaperWeekly 是一個推薦、解讀、討論、報道人工智能前沿論文成果的學術平臺。如果你研究或從事 AI 領域，歡迎在公眾號后臺點擊「交流群」，小助手將把你帶入 PaperWeekly 的交流群里。
▽ 點擊 |?閱讀原文?| 進行報名
總結
以上是生活随笔為你收集整理的报名 | “阳奉阴违”的半监督学习算法 - Virtual Adversarial Training的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 从CNN视角看在自然语言处理上的应用
- 下一篇： 10个快速提升技术水平的方法