基于改进梯形网络的半监督虚拟对抗训练模型

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.

关键词：半监督分类、梯形网络、数据增强、虚拟对抗训练

所属期刊栏目：40

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;桂林电子科技大学研究生教育创新计划

在线出版日期：2021-02-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：321-327