نویسندگان:
(1) آتاناسیوس آنجلاکیس، مرکز پزشکی دانشگاه آمستردام، دانشگاه آمستردام – مرکز علوم داده، موسسه تحقیقات بهداشت عمومی آمستردام، آمستردام، هلند
(2) آندری راس، دن هاگ، هلند.
جدول پیوندها
2.1 افزایش استحکام داده ها پیشاهنگی
در این بخش، ما به دنبال رسمیت بخشیدن به یک روش “حداقل” ضروری برای اتخاذ و تکرار یک چارچوب آزمایشی برای ارزیابی تعادل بین عملکرد کلی مدل، شدت DA و تعصب خاص کلاس با تشریح ویژگیهای اجرای عملی آزمایشهایمان هستیم. هدف این است که به عنوان یک راهنما برای به کارگیری یافته های Balestriero، Bottou و LeCun (2022) به شیوه ای کارآمدتر که برای محیط های عملی یا تجاری مناسب تر است، و همچنین برای ایجاد زمینه برای تهیه نتایجی که در بخش های بعدی این فصل مورد بحث قرار خواهد گرفت.
ما روش زیر را پیشنهاد میکنیم که بیشتر به عنوان «پیشبینی استحکام تقویت دادهها» نامیده میشود: اول، مجموعهای از معماریهای بینایی کامپیوتری باید برای یک مجموعه داده و رژیم DA انتخاب شوند. به دنبال این، مدل بر روی زیرمجموعهای از دادهها در چندین دوره آموزشی آموزش داده میشود، به طوری که هر اجرا دارای شدت فزایندهای از افزایش است (به عنوان تابعی از …