Główne pojęcia
본 논문에서는 딥러닝 모델의 일반화 및 강건성을 향상시키기 위해 샘플별 암시적 반사실적 데이터 증강(ICDA) 방법을 제안합니다. 이 방법은 인과 관계가 없는 속성과 클래스 간의 잘못된 상관관계를 제거하여 모델이 안정적인 예측을 할 수 있도록 합니다.
Streszczenie
강건한 학습을 위한 암시적 반사실적 데이터 증강: 연구 논문 요약
Zhou, X., Wu, O., & Ng, M. K. (2021). Implicit Counterfactual Data Augmentation for Robust Learning. Journal of LaTeX Class Files, 14(8), 1-8.
본 연구는 딥러닝 모델이 인과 관계가 없는 속성과 클래스 간의 잘못된 상관관계를 학습하는 경향을 해결하고자 합니다. 이를 위해 샘플별 암시적 반사실적 데이터 증강(ICDA) 방법을 제안하여 모델의 일반화 및 강건성을 향상시키는 것을 목표로 합니다.