GAN이 나쁘게 학습되어야 하는 반감독 학습의 좋은 사례

생성적 적대 네트워크(GANs)를 기반으로 하는 준지도 학습 방법은 강력한 경험적 결과를 얻었지만, 1) 생성기와 함께 공동 훈련을 받음으로써 판별기가 어떻게 이득을 보는지, 그리고 2) 좋은 준지도 분류 성능과 좋은 생성기를 동시에 얻을 수 없는 이유가 명확하지 않습니다. 이론적으로, 우리는 판별기의 목적 함수가 주어졌을 때 좋은 준지도 학습이 실제로 나쁜 생성기를 필요로 함을 보여주고, 선호되는 생성기의 정의를 제안합니다. 경험적으로, 우리의 분석에 기반한 새로운 공식화를 도출하여 피처 매칭 GANs보다 크게 개선되며, 여러 벤치마크 데이터셋에서 최고 수준의 결과를 얻었습니다.