研究人员开发了一个新的框架，利用傅里叶分析和有限群表示论来研究数据增强策略。他们的工作表明，对于许多学习问题，使用随机抽样的群元素子集进行的局部数据增强可以达到与完全增强相同的统计效益。这种方法为具有对称性的学习提供了一种计算上可扩展的方法，解决了完全增强在大群上的不可行性。该研究还包括一个不可能结果，表明精确的不变性强制执行需要对整个群进行平均。 AI
影响 为机器学习中计算上可扩展的数据增强技术提供了理论依据。
排序理由 该集群包含一篇详细介绍机器学习中数据增强新理论框架的研究论文。
- approximation error
- Data augmentation
- Finite groups
- Fourier analysis
- generalization
- Hypothesis Space Exploration Narrowing
- machine learning algorithm
- minimax rates
- Sample complexity
- Symmetry
- training set
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
