순서가 있습니다. 포털 넷(연구방·지식센터·커뮤니티·아카데미)을 먼저 담고,
SSRA 는 맨 나중에 담아 주세요. SSRA 를 먼저 담으면 나머지가 그 안에 포함된 것으로
잡혀 따로 담기지 않습니다. 아이콘도 담을 차례대로 놓았습니다 — 왼쪽부터 차례로 누르시면 됩니다.
Virtual Adversarial Training: A Regularization Method for Supervised and Semi-Supervised Learning
Takeru Miyato, Shin‐ichi Maeda, Masanori Koyama 외 · IEEE Transactions on Pattern Analysis and Machine Intelligence · 2018년 · 조회 24
왜 이 논문인가 — 선정 기준
RESEARCH PAPER · 후속 연구설계에 활용하기 좋은 논문 — 척도·모형·프레임워크류, 피인용 다수
2018-07 발표 · 피인용 2,874회 · 분야 내 인용 영향력 상위권 · 동년 인용 상위 1% · 참고문헌 92개
RESEARCH PAPER 슬롯은 인용 2874회·동년 상위 1% 등 높은 영향력을 가진 논문으로, 후속 연구 설계에 활용도가 높아 선정되었다.
논문 요약
본 논문은 가상 적대적 손실을 기반으로 한 새로운 정규화 방법인 VAT를 제안한다. 가상 적대적 손실은 입력 주변의 라벨 분포를 지역적으로 부드럽게 만드는 정도를 측정하며, 라벨 정보 없이 적대적 방향을 정의해 반지도 학습에 적용 가능하다. VAT는 두 번의 전·후 전달만으로 근사 그래디언트를 계산해 연산 비용이 낮으며, 다양한 지도·반지도 학습 과제에서 성능 향상을 입증한다.
후속 연구설계에 활용하기
가상 적대적 손실을 정규화 항으로 도입해 새로운 모델의 일반화 능력을 평가하거나, 반지도 학습 데이터셋에서 라벨 부드러움 지표로 활용할 수 있다.
핵심어
가상 적대적 훈련정규화반지도 학습라벨 분포 부드러움
실존 확인
이 논문은 OpenAlex에서 후보로 수집한 뒤, Crossref에 등록된 DOI와 제목 일치를 확인해 노출합니다.
SSRA가 문헌연구에서 인용 논문의 실재 여부를 검증하는 원칙과 같습니다.