学界 | 新研究提出内省式学习方法：在分类和生成任务上均表现卓越

文章预览

选自arXiv 机器之心编译 参与：吴攀 生成对抗网络（GAN）是近来人工智能研究的一大热门，在生成逼真的样本上已经取得了非常优异的表现。但这并不是唯一的生成方法，近日，来自加州大学圣地亚哥分校计算机科学与工程系和认知科学系的几位研究者连发两篇论文，介绍了一种被称为内审（introspection）的方法，并且在分类和生成的实际实验上都取得了出色的表现。机器之心对这两篇论文进行了摘要介绍。 论文一：内审式分类器学习：生成式地使能（Introspective Classifier Learning: Empower Generatively） 链接地址：https://arxiv.org/abs/1704.07816 在这篇论文中，我们提出了内省式分类器学习（ICL：introspective classifier learning），其强调了有一个具有生成能力的判别 ………………………………