随机权重平均提升深度学习中的数据增强效果

研究人员探索了使用随机权重平均（SWA）作为一种增强深度学习中数据增强的方法，它提供了一种比训练大型集成模型更具成本效益的替代方案。他们的分析通过将训练轨迹近似为 Ornstein--Uhlenbeck 过程，表明在增强数据上使用 SWA 可以提供超越标准 SWA 性能提升的额外增强效果。这些发现通过在计算机视觉和图分类任务的各种模型上进行的实验得到了验证，证明了其在离散和连续对称性方面的有效性。 AI

影响 增强了数据增强技术，可能导致更高效、更有效的深度学习模型训练。

排序理由 该集群包含一篇在 arXiv 上发表的研究论文，详细介绍了一种用于深度学习数据增强的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• alphaXiv
• arXiv
• CatalyzeX Code Finder for Papers
• CORE Recommender
• DagsHub
• Gotit.pub
• Hugging Face
• IArxiv Recommender
• Influence Flower
• Ornstein--Uhlenbeck process
• ScienceCast
• Stochastic Weight Averaging

• 论文
• 基础设施

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →