Adversarial AutoEncoderで半教師あり学習
概要 Adversarial Autoencoders を読んだ Chainer 1.12で実装した はじめに 前回Adversarial AutoEncoderの記事を書きましたが、あれから3ヶ月後に論文が更新され、半教師あり学習への応用などの項目が追加されていました。 そこでChainer 1.12で実装し実験を行いました。 コードはGitHubにあります。 以下の説明は全てこのコードを元に行います。 またAdversarial AutoEncoderをこれ以降AAEと呼びます。 Adversarial Regularization 論文2.3節では隠れ変数$\boldsymbol z$をラベルデータを用いて正則化する方法について書かれています。 コードはsupervised/regularize_zにあります。 学習させると以下のように狙った箇所に隠れ変数を押し込めます。 Super
Adversarial Autoencoders [arXiv:1511.05644]
概要 Adversarial Autoencoders を読んだ Chainerで実装した はじめに Adversarial Autoencoderは、通常のオートエンコーダの中間層出力ベクトル$\boldsymbol z$に対し、Generative Adversarial Networksの枠組みで正則化を行うオートエンコーダです。 GAN (Generative Adversarial Networks) GANではまず任意のノイズ分布$p_z(\boldsymbol z)$を考え、そこからサンプリングしたノイズ$\boldsymbol z$から偽のデータ$\boldsymbol x_{gen}$を生成する関数$G(\boldsymbol z)$をニューラルネットで定義します。 次に任意のデータ$\boldsymbol x$に対し、それが訓練データ由来の本物のデータ$\boldsym
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
