Haochen Yuan

ReAugment 使用 RL 进行少样本时间序列预测

研究人员开发了 ReAugment，一种利用强化学习 (RL) 来增强少样本预测任务的时间序列数据增强的新颖方法。该方法通过自适应地将易过拟合的样本转化为新的数据，从而解决训练数据有限带来的挑战，这些新数据可以提高训练集的多样性并针对模型的弱点。ReAugment 的有效性已在各种预测模型中得到验证，在标准和少样本学习场景中均显示出显著优势。