محققان در مقاله جدیدی، روش هوشمندانهای برای بهبود آموزش مدلهای SSL-GAN معرفی کردهاند. برخلاف روشهای سنتی که اهداف آموزشی را ترکیب میکنند، این مدل جدید با استفاده از «بهینهسازی چندهدفه» و حفظ جمعیتی از تفکیکگرها (Discriminators) بر اساس تسلط پارتو، توازن بهتری بین دقت طبقهبندی و تولید نمونههای واقعی برقرار میکند.
این رویکرد نه تنها باعث پایداری بیشتر در آموزش میشود، بلکه در آزمایشها توانسته نتایج دقیقتری نسبت به مدلهای فعلی ثبت کند. گامی رو به جلو برای یادگیری ماشین در شرایطی که دادههای برچسبدار محدود هستند! 🧠✨
منبع: arXiv AI
