基于改进梯形网络的半监督虚拟对抗训练模型

• 作者: 莫建文 贾鹏
• 来源期刊: 桂林电子科技大学学报
• 学科: 工学
• 关键词: 半监督分类 梯形网络 数据增强 虚拟对抗训练
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 计算机与自动化
• 页码范围: 321-327
• 页数: 7页
• 分类号: TP391
• 语种: 中文

摘要

为了提高半监督深层生成模型的分类精度,提出一种基于改进梯形网络的半监督虚拟对抗训练模型.该模型在梯形网络框架的基础上,以mix_up数据增强和虚拟对抗训练相结合的模式训练分类器.用mix_up对训练数据做增强处理得到新的扩展数据,以解决半监督分类模型有标记样本较少的问题,并且对梯形网络框架施加虚拟对抗噪声,通过构建平滑性正则化约束,提高模型的泛化能力.模型以有标记数据的分类损失、未标记数据的重构损失和虚拟对抗损失相结合的方式调整参数,训练得到分类器.模型分别在MNIST数据库、SVHN数据库上进行实验,并且与其他半监督深层生成模型进行对比,结果表明,该模型能增强泛化能力,提高分类精度.