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