반감독 학습과 딥 제너레이티브 모델

현대 데이터 세트의 규모가 지속적으로 증가하고 있으며, 라벨 정보를 얻는 것이 어려워짐에 따라 준지도 학습은 현대 데이터 분석에서 실질적으로 중요한 문제 중 하나가 되었습니다. 본 연구에서는 생성 모델을 활용한 준지도 학습 접근법을 재검토하고, 작은 라벨된 데이터 세트에서 큰 비라벨된 데이터 세트로 효과적인 일반화를 가능하게 하는 새로운 모델들을 개발하였습니다.截至目前，生成方法要么不够灵活，要么效率低下，要么无法扩展。我们展示了利用变分方法的最新进展进行近似贝叶斯推断的深度生成模型可以显著改进这一点，使生成方法在准监督学习中具有高度竞争力。이까지 생성적 접근 방식은 유연성이 부족하거나 효율성이 낮거나 확장성이 없었습니다. 최근 변분법의 발전을 활용한 근사 베이지안 추론과 깊은 생성 모델(deep generative models)을 사용하면 이 점을 크게 개선할 수 있으며, 생성적 접근 방식이 준지도 학습에서 매우 경쟁력 있게 만들 수 있음을 보여주었습니다.