声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：51-1196/TP
国际刊号：1001-3695
发布日期:
作者：丁赛赛,吕佳,
单位：重庆师范大学a.计算机与信息科学学院;b.重庆市数字农业服务工程技术研究中心,重庆401331；
关键词：生成对抗网络,局部扰动,可变损失,流形正则化,半监督,
基金：重庆市自然科学基金资助项目(cstc2014jcyjA40011)；重庆师范大学科研项目(YKC19018)；；
针对生成对抗网络中鉴别器在少量标记样本上的分类精度较差以及对流形局部扰动的鲁棒性不足的问题，提出一种基于可变损失和流形正则化的生成对抗网络算法。当标记样本较少时，该算法在鉴别器中利用可变损失代替原有对抗损失以解决训练前期分类性能较差的鉴别器对半监督分类任务的不利影响。此外，在鉴别器可变损失的基础上加入流形正则项，通过惩罚鉴别器在流形上分类决策的变化提高鉴别器对局部扰动的鲁棒性。以生成样本的质量和半监督的分类精度作为算法的评价标准，并在数据集SVHN和CIFAR-10上完成了数值实验。与其他半监督算法的对比结果表明，该算法在使用少量带标记数据的情况下能得到质量更高的生成样本和精度更高的分类结果。
来源：2020年第12期
《计算机应用研究》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。