基于多模态生成模型的半监督学习
摘 要：随着进入大数据时代，“标记数据少，而未标记数据多”的现象越来越普遍．半监督学习是充分利用样本中“廉价”的未标记样本，让学习器不依赖外界交互、自动地利用未标记样本提升学习性能．通过构建多模态概率生成模型对数据进行建模，然后分析该模型上的监督学习过程和非监督学习过程，最后结合两种学习过程实现半监督学习．通过在MNIST 数据集和FASHION_MNIST 数据集上验证，证实本模型的可行性，并且对比经典的半监督学习可以看出，本模型提高了预测标签的精度．
论文下载：