生成対抗ネットワーク（GANs）を基にした半教師付き学習手法は、強力な経験的な結果を得ましたが、1) 生成器との共同訓練が識別器にどのように貢献するのか、2) 良好的な半教師付き分類性能と良好な生成器を同時に得ることができない理由が明確ではありません。理論的には、識別器の目的関数を考えると、良い半教師付き学習を達成するためには不良な生成器が必要であることを示し、望ましい生成器の定義を提案します。実証的にも、我々の分析に基づいて新しい式を導出し、特徴量マッチング GANs に対して大幅に改善し、複数のベンチマークデータセットで最先端の結果を得ています。