BGADL：贝叶斯生成深度主动学习.
Bayesian Generative Active Deep Learning (BGADL)框架是一个基于生成对抗网络和贝叶斯主动学习的深度主动学习框架，旨在当标记数据较少的情况下，生成有价值的数据，从而扩大标注数据集，提高模型性能。
BGADL框架如图所示。主要流程如下：
- 根据BALD策略从未标记样本池中选择互信息最大的样本$x^{*}$，人工标记标签$y^{*}$;
- 使用变分自编码器作为生成模型，生成样本$x^{*}$的近似样本$x’$，并将$x^{*}$和$x’$加入训练集；
- 使用ACGAN的判别器一方面区分真实样本和生成样本，一方面预测样本的类别。
实验结果表明，使用生成模型生成的样本用作数据增强能够显著提高模型性能。
