1樓：BESTASU
如果單純說半監督分類問題的話，總體上兩線比較活躍：
1、從經典圖模型上的manifold representation擴充套件到NN on graph。很早之前的乙份工作EmbedNN，結合半監督上的圖正則項對分類任務做端到端訓練。
而這裡又可以細分為兩種，一種是通過有效的圖上取樣來模擬有監督資訊傳導，用Embedding直接引數化投影後的各個樣本，來達到半監督分類的目標。如node2vec、planetoid等等。難點在於如何設計取樣資料對（不平衡，類內類外差異，難例挖掘）
另一種則選擇用NN擬合圖訊號上的濾波運算元。影象上的卷積操作就是其中一種特例。
早期有將針對Grid訊號的CNN模擬推廣到圖訊號上的工作：CNN on graphs with fast localized spectral filtering。
這兩年的GCN則結合adjacency matrix和網路，做了端到端的設計。作者自己的部落格解釋的非常清楚。現在看下來，這類NN的設計目標在於利用網路的深度，擬合出對應圖上的不同階成分（但一般分類任務1-2階足矣）。
因此最近也有用attention機制來解決，如Graph Attention Networks
2、做最本質的生成模型，刻畫資料的完整分布。這幾年的典型代表：LadderNetwork、VAE、GAN。
而光講GAN就可以寫乙個專欄都不為過，方便理解的可以看看Improved techniques on GANs，專門有一節介紹。
PS：一切用pretrained model（imagenet等上訓練外推其他資料集）來做半監督的，應該改成叫transfer learning，求解使用的資料其實被無形擴充了。
2樓：
怎麼可能沒有進展！從DGN到Improved GAN，哪乙個的效果不是驚豔一時？特別是Improved GAN這篇文章中用GAN做分類（ @龐龍剛 說過），優雅且效果好。
還有一些後續的工作效果更好一點。
我最近寫的pytorch的乙個簡單實現Sleepychord/ImprovedGAN-pytorch
3樓：盧卡斯
感覺跟GAN的結合是乙個很好的發展方向。使用深度學習作半監督應該要突破傳統的使用監督學習的思路，GAN在無監督方面做得很好，那麼用來做半監督應該也有比較大的發展空間。
4樓：龐龍剛
進展還是蠻大的吧，OpenAI使用GAN,以及100張有標籤的資料，做半監督學習，就把手寫數字識別的精度做到了跟用65000張有標籤資料訓練得到的精度一致。這個技術已經被史丹福大學用在探測非洲饑荒分布情況，訓練資料所用的衛星地圖只有5%是有標註的監督學習資料，其餘95%衛星地圖資料無標籤。
5樓：zzzz
在影象方面，大題思路可以參考古代hinton的rbm,近代bengio的ladder network,現代lekun的stacked what where autoencoder (SWWAE)。後者更是被honglak lee和yuting zhang在imagenet上大規模驗證了，請參考augmenting supervised NN with unsupervised objectives
6樓：陳默
這些年沒突破沒進展。要想半監督有突破，必須generative有突破。現在是discriminant統治天下，沿著這條路也不會有進展。
別說深度學習了，linear regression都沒研究明白呢。
近幾年有哪些不錯的詩歌？
當然是李子體了。這恐怕是這一時期未來唯一能留在詩史上的痕跡。其他這些優秀詩歌，只能說當時讀著還算優秀。但經過時間淘洗，恐怕一首也留不下來。未來的歷史，也不會提一句。李子體因其特殊性，創新性。應該會青史留名。 已登出 蓴客，錢之江。湖山四首用亭林 海上 韻 漸老秋光暮色侵，湖山如待我登臨。雨連天海人如...
近幾年有哪些國產電影堪稱大師水準？
蒂姆德普 說實話這幾年大師水準的作品幾乎沒有，倒是有一些年輕人的作品還是蠻不錯的，比如 鋼的琴 這樣的小成本製作時常給人驚喜。應該多關注小製作了！ 推薦台灣的賽德克.巴萊，講述台灣土著人對抗外來侵略者展現的野蠻的驕傲。在我眼裡簡直就是中國台灣人拍的史詩級大片勇敢的心？ 馬川 最近幾年中國產電影的水平...
借勢營銷 是什麼？近幾年有哪些成功案例？
鬱靈 提到借勢營銷，大多數人可能都會第一時間想到杜蕾斯，杜蕾斯這種假期 熱點營銷模式很快就被其他品牌複製，模仿。其實幾年前剛開始接觸杜蕾斯的設計與文案，是真的蠻驚喜的，但直到現在，杜蕾斯還是一點也不改往日風格。說起借勢，最早一批品牌應該算是麥當勞跟可口可口吧。那最近最火的借勢個人覺得應該是華帝借法國...