概要 様々なモデルでMNISTの半教師あり学習(10ラベル)を行った はじめに 今までに作ってきた半教師あり学習の手法を用いてMNISTのワンショット学習対決を行ないました。 用いるモデルは以下の4つです。 GAN (Generative Adversarial Network) 通常の多クラス分類器をDiscriminatorとして使う手法を用いる MNIST 100ラベルのSOTA(エラー0.93%) Improved Techniques for Training GANs 実装 VAT (Virtual Adversarial Training) データ$x$の予測分布$p(y \mid x)$と、ノイズ$r$を加えた$\bar{x} = x + r$の予測分布$p(y \mid \bar{x})$が滑らかになるように学習 最も予測分布を狂わすノイズ$r_{adv}$を誤差逆伝播で
![GAN・VAT・ADGM・AAEでMNISTのワンショット学習](https://cdn-ak-scissors.b.st-hatena.com/image/square/0214288551acbd08ae378452593584796eb8d09b/height=288;version=1;width=512/http%3A%2F%2Fmusyoku.github.io%2Fimages%2Fpost%2F2016-12-27%2Fgan_10_seed_1.png)