핵심 개념
深層学習モデルの頑健性と汎化能力を向上させるために、サンプルごとに異なる強度で意味的かつ反事実的に意味のある深い特徴を生成する、暗黙的反事実データ拡張(ICDA)と呼ばれる新しいサンプルワイズデータ拡張手法が提案されています。
タイトル:堅牢な学習のための暗黙的反事実データ拡張
ジャーナル:JOURNAL OF LATEX CLASS FILES
巻・号:Vol. 14, No. 8
発行年:2021年8月
著者:Xiaoling Zhou, Ou Wu, Michael K. Ng
本研究は、深層学習モデルが非因果属性とクラス間の疑似相関を学習してしまう問題に対処し、モデルの汎化能力と頑健性を向上させることを目的としています。