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]).
جدول پیوندها
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
4.4 استحکام خارج از توزیع
در این بخش، عملکرد ADA را ارزیابی کرده و آن را با رویکردهای قبلی در مورد وظایف مربوط به استحکام خارج از توزیع مقایسه میکنیم. ما از همان مجموعه داده استفاده می کنیم [49] و از نزدیک تنظیمات آزمایشی آنها را دنبال کنید.
داده ها: ما از چهار مجموعه از پنج مجموعه داده خارج از توزیع استفاده می کنیم [49]. ابتدا از RCFashionMNIST (RCF-MNIST) استفاده می کنیم [49]، که مصنوعی است …