الگوریتم جدید تقویت داده لنگر برای مدل‌های غیرخطی

نویسندگان:

(1) نورا اشنایدر، گروه علوم کامپیوتر، ETH زوریخ، زوریخ، سوئیس ([email protected])

(2) شیرین گشتاسب پور، گروه علوم کامپیوتر، ETH زوریخ، زوریخ، سوئیس و مرکز علوم داده سوئیس، زوریخ، سوئیس ([email protected])

(3) فرناندو پرز-کروز، گروه علوم کامپیوتر، ETH زوریخ، زوریخ، سوئیس و مرکز علوم داده سوئیس، زوریخ، سوئیس ([email protected]).

چکیده و 1 مقدمه

2 پس زمینه

2.1 افزایش داده ها

2.2 رگرسیون لنگر

3 تقویت داده لنگر

3.1 مقایسه با C-Mixup و 3.2 حفظ ساختار داده غیرخطی

3.3 الگوریتم

4 آزمایش و 4.1 داده های مصنوعی خطی

4.2 رگرسیون غیرخطی مسکن

4.3 تعمیم در توزیع

4.4 استحکام خارج از توزیع

5 نتیجه گیری، تأثیر گسترده تر، و مراجع

اطلاعات اضافی برای تقویت داده های لنگر

B آزمایش ها

چکیده

ما یک الگوریتم جدید برای تقویت داده ها در رگرسیون غیرخطی بیش از حد پارامتریزه شده پیشنهاد می کنیم. الگوریتم تقویت داده‌های ما از ادبیات علیت وام گرفته و روش رگرسیون لنگر (AR) پیشنهادی اخیراً برای تقویت داده‌ها را گسترش می‌دهد، که در تضاد با راه‌حل‌های پیشرفته حوزه آگنوستیک فعلی است که بر ادبیات Mixup متکی است. داده های لنگر ما…

Source link