基于多模态生成模型的半监督学习

• 作者: 陈亚瑞 张芝慧 杨剑宁 王浩楠
• 来源期刊: 天津科技大学学报
• 学科: 工学
• 关键词: 半监督学习 多模态 生成模型 条件变分自编码
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 信息科学与技术|Information Science and Technology
• 页码范围: 43-50
• 页数: 8页
• 分类号: TP181
• 语种: 中文
• DOI: 10.13364/j.issn.1672-6510.20210004

摘要

随着进入大数据时代,"标记数据少,而未标记数据多"的现象越来越普遍.半监督学习是充分利用样本中"廉价"的未标记样本,让学习器不依赖外界交互、自动地利用未标记样本提升学习性能.通过构建多模态概率生成模型对数据进行建模,然后分析该模型上的监督学习过程和非监督学习过程,最后结合两种学习过程实现半监督学习.通过在MNIST数据集和FASHION_MNIST数据集上验证,证实本模型的可行性,并且对比经典的半监督学习可以看出,本模型提高了预测标签的精度.