Aleksandr Abramov

复杂度诱导通过结构化标签失真提高 AI 泛化能力

研究人员开发了一种称为复杂度诱导的技术，该技术通过故意扭曲训练数据来提高分类器泛化到新特征组合的能力。通过应用结构化失真，例如混合标签或包含不正确但结构上合理的标签的扩展数据集，标准的 CNN 分类器能够在没有架构更改的情况下预测未见的类别组合。这种方法表明，以结构化的方式复杂化训练信号可以影响学习到的表示的内部组织及其组合解释，可能反映了自然语言在认知发展中的作用的某些方面。