基于拉德马赫方法的Dropout算法在半监督分类应用

摘要：

深度学习需要用到大量有标签的数据,即使在大数据时代,能用的有标签数据也不多,从而需要将深度学习与半监督学习结合起来.目前,全连接层已被证实,在迁移学习中可以起到很好的作用.在迁移学习的背景下,针对半监督分类问题,笔者基于marginGAN生成对抗网络使用了基于Dropout算法的全连接神经网络作为分类器,分类器的损失函数增加了拉德马赫正则项,验证了拉德马赫在半监督分类任务中的有效性.

关键词：生成对抗网络;全连接层;Dropout算法;拉德马赫正则项

所属期刊栏目：33

分类号：TP183(自动化基础理论)

在线出版日期：2021-11-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：81-84