流形增强:将混合正则化与 UMAP 结合
原文中文,约300字,阅读约需1分钟。发表于: 。深度学习模型的数据增强技术在提高性能方面发挥重要作用。本文提出了一种叫做 UMAP Mixup 的混合正则化方案,用于深度学习预测模型的 “在流形上” 自动数据增强。该方法通过利用一种称为统一流形逼近和投影的降维技术,确保 Mixup 操作生成的合成样本位于特征和标签的数据流形上。对多样的回归任务的评估显示,UMAP Mixup 在与其他 Mixup...
本研究探讨了医学分割中熵和代表性采样技术的混合模型,使用UMAP技术捕捉代表性。熵-UMAP采样技术在Dice分数上优于随机基线,并在10种不同主动学习方法中获得最高的Dice系数。初步证据表明,在混合主动学习模型中,熵和UMAP方法之间存在协同作用。