چگونه تنظیم فراپارامتر افزایش داده های لنگر را برای رگرسیون قوی افزایش می دهد

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

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 …

Source link