3. +
Related Work
n 古典的なアプローチ
n データとラベルの結合分布のモデル化
n GMM
n HMM
n ラベルありデータとなしデータのマージン最大化
n TSVM
n S3VM
n これらの半教師学習はサンプル間の類似度を利用
n あるラベルなしデータがAのラベルデータに似ていれば、そのデー
タはAとみなす
17/02/09
2
4. +
Related Work
n 半教師deep learning
n ConvNetの性能をあげるためにラベルなしデータをつかう
n convnetのフィルターをpretrainするなど
n ほかの論文でのアプローチ
n predictive sparse decomposition
n resion embedding
n ladder networks
17/02/09
3
10. +
Experiments and Results
n MNIST
n 100サンプルでstate of the art
n SVHN and NORB
n CIFAR10
n state of the art
n CIFAR100
n state of the art
n ImageNet
17/02/09
9
13. +
実際に実装してみた(ができなかっ
た)
n MNISTでやってみた
n データオーグメンテーションによるlossTS関数の最小化
n lossME関数の最小化
n クロスエントロピーによるラベルあり損失関数の最小化
n tensorflowをつかった
n 一部kerasを使っている
n できなかったが、誰かアドバイスをくれることを願ってgithub
にあげた
n https://github.com/HironoOkamoto/hoge/blob/master/semi
%20supervised%20mnist%20tensorflow-12.ipynb
17/02/09
12