文件名称：EnAET:能源部
文件大小：11.04MB
文件格式：ZIP
更新时间：2024-03-28 10:41:04
Python
能源部 代码和所有纸质培训记录： 介绍 深度神经网络已成功应用于许多实际应用中。 但是，这些成功很大程度上依赖于大量标记数据，而这些数据的获取成本很高。 最近，已经提出了自动编码转换（AET）和MixMatch并分别针对无监督和半监督学习获得了最新技术成果。 在这项研究中，我们训练了一个自动编码转换（EnAET）集合，通过对空间和非空间转换进行解码，从而基于嵌入表示从标记数据和未标记数据中学习。 这将EnAET与传统的半监督方法区分开来，后者侧重于通过未标记和已标记示例的不同模型来提高预测一致性和置信度。 相比之下，我们建议探讨在一系列丰富的转换下，自我监督表示在半监督学习中的作用。 在CIFAR-10，CIFAR-100，SVHN和STL10上的实验结果表明，所提出的EnAET优于最新的半监督方法。 特别是，我们将提出的方法应用于极具挑战性的场景，每类只有10张图像，并且表明EnAET可