关键词virtual adversarial training
搜索结果 - 12
- 基于上下文的虚拟对抗训练在带噪标签的文本分类中的应用
该论文提出了一种基于上下文的虚拟对抗训练方法,通过在上下文级别执行对抗性训练来防止文本分类器过度拟合噪声标签,实验证明该方法对于处理噪声标签非常有效。
- 多域文本分类的 Co 正则化对抗学习
本文提出了一种基于共正则化的对抗学习机制,用于多领域文本分类,通过构建两个不同的共享潜在空间,在其中进行每个 domain 的域对齐,并通过惩罚两个对齐在未标记数据上的预测不一致性来进行特征学习。同时,此方法还结合了虚拟对抗训练进行一致性正 - MM用于半监督乳腺肿块分类的虚拟对抗训练
本研究旨在开发一种新的计算机辅助诊断 (CAD) 方案,以利用半监督学习对乳腺 X-ray 图像进行良恶性分类,采用虚拟对抗培训方法,提高模型的鲁棒性和分类准确性。
- AAAI协同对抗训练增强远程监督关系抽取
通过协作对抗训练(collaborative adversarial training),结合虚拟对抗训练和对抗训练等不同级别的训练方法来提高数据利用率,有效地解决标签噪声带来的数据利用不足的问题,并在远程监督下的关系提取(distantl - ECCV使用潜空间虚拟对抗训练进行正则化
本文提出了一种名为 LVAT 的新的规则化方法,将扰动注入潜在空间以生成理解性更强的对抗样本,并在图像分类任务的超视觉和半监督学习情景中使用 SVHN 和 CIFAR-10 数据集验证其性能,证明其优于其他现有方法及 VAT。
- AAAITAVAT: 基于 Token 的虚拟对抗训练用于语言理解
本文提出了一种基于标记的虚拟对抗训练方法,该方法在 NLP 任务中引入了生成嵌入空间中扰动的虚拟对抗训练,并使用标记级别的规范化球适当限制这些扰动,实验表明,该方法显著提高了 BERT 和 ALBERT 等预训练模型在多个任务中的性能。
- 半监督学习中的负采样
介绍了一种针对半监督学习的简单,快速,易于调整的算法 Negative Sampling in Semi-Supervised Learning(NS3L),该算法通过向现有的 SSL 算法 (如 Virtual Adversarial T - 节点分类中基于图卷积网络的虚拟对抗训练
本文提出了一种 GCN 半监督学习的虚拟对抗训练方法,并通过 GCN Sparse VAT(GCNSVAT)和 GCN Dense VAT(GCNDVAT)算法在标记和未标记数据上进行优化,提高其泛化性能。该方法在 GCN 的 Symmet - CVPR半监督学习的切线 - 法向对抗正则化
本文针对半监督学习问题,提出了一种基于流形的切平面与法线平面对抗正则化方法,称作 TNAR。该方法通过在数据流形的切向空间和法向空间上应用虚拟对抗性训练,实现对分类器局部不变性及鲁棒性的提升,在人工和实际数据集测试中取得了优于其他最先进方法 - NIPS用虚拟对抗训练阶梯网络进行半监督学习
基于分布平滑的半监督深度学习方法和梯度升级生成虚拟对抗训练方法被提出用于降低数据标签的高成本,两种方法被成功整合实现了接近监督准确度。
- ICLR半监督文本分类的对抗训练方法
本文介绍了在文本领域将反对训练和虚拟反对训练应用于使用递归神经网络中的单词嵌入,并在多个基准半监督和纯监督任务上实现了最先进结果。
- ICLR使用虚拟对抗训练进行分布平滑
本文提出了一种基于 KL 分歧的局部分布平滑正则方法,称作虚拟对抗训练,用于半监督学习中的神经网络,通过模型分布的稳健性来决定对抗方向,较低的计算成本使得该方法在 MNIST,SVHN 和 NORB 数据集上的性能超过了其他训练方法,除一个