문턱값과 학습 상태
미리 고정한 문턱값이나 임시적인 조정 규칙으로는 무표지 자료를 충분히 활용하지 못할 수 있다. 원 연구는 바람직한 문턱값과 모형의 학습 상태 사이의 관계를 분석해 적응적인 조정 방법을 제안했다.
초기 예측의 다양성
초기 학습 단계에서 모형이 다양한 클래스 예측을 하도록 자기 적응 클래스 공정성 정규화 항을 도입했다. 문턱값 조정과 이 정규화를 결합해 무표지 자료의 활용을 돕는다.
적은 표지와 불균형
원 연구는 클래스마다 표지가 극히 적은 CIFAR-10과 STL-10 및 ImageNet 조건에서 방법을 평가했다. 클래스가 불균형한 반지도 학습 조건에 대한 적용도 조사했다.