抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
最近の自動データ増強法は最先端の結果をもたらすが,それらの設計空間と導出データ増強戦略は,まだ強い人間事前を組み入れている。本研究では,検索されたデータ増強と並んで,一組の手に隠されたデフォルト増大を固定する代わりに,筆者らは,ディープオートオーグメント(DeepAA)というデータ増強探索のための完全自動化アプローチを提案した。深いAAは,収束に達するまでの時間において,積層増強層によってスクラッチから多層データ増強パイプラインを次第に構築する。各増強層に対して,政策を最適化し,低分散の方向に沿ったオリジナルと拡張データの勾配間の余弦類似性を最大化した。著者らの実験は,デフォルト増大なしでさえ,以前の研究のそれによって強い性能を達成する強化政策を学習できることを示した。大規模なアブレーション研究は,正則化勾配マッチングがデータ増強政策のための有効な探索方法であることを示した。このコードはhttps://github.com/MSU MLSys Lab/DeepAAで利用可能である。【JST・京大機械翻訳】