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
اطلاعات اضافی برای تقویت داده های لنگر
A.1 استخراج ADA برای داده های غیرخطی
A.2 اطلاعات اضافی در مورد فراپارامترهای ADA
در این بخش، در یک مثال ساده 1 بعدی (یعنی دادههای کسینوس استفاده شده در شکل 1) نشان میدهیم که چگونه تغییرات در مقادیر فراپارامتر دادهها را تغییر میدهند و بر تخمین بهدستآمده تأثیر میگذارند. علاوه بر این، ما در پیوست B.4 نشان می دهیم که چگونه عملکرد ADA در …