基于GAN的半监督学习

Semi-supervised GAN 半监督学习更好的利用无标识数据，由于无标识数据和有标识数据有相同的数据分布。

K+1类的识别是有效的，因为生成器生成的补充样本能促使判别器把分类边界置于低密度区域。

好的semi-supervised GAN需要一个效果差的生成器，因为完美的生成器无法再提高。