基于锚定隐状态混合的分布式声学传感器数据分布外回归改进建模
机器学习
2022-03-03 v1
摘要
将机器学习模型的应用推广到训练数据与测试数据统计分布不同的情况一直是一个复杂的问题。本文的贡献有三方面：(1) 我们提出了一种基于锚定的分布外(OOD)回归混合算法，利用流形隐状态混合与观测相似性构造一种新的正则化惩罚项；(2) 我们提供了首个适用于测试 OOD 回归建模的高分辨率分布式声学传感器(DAS)数据集，使其他研究者能够在该领域对进展进行基准评测；(3) 我们通过大量评估展示了所提方法相对于现有方法的泛化性能，并表明我们的方法达到了最先进的性能。最后，我们还在其他类型的回归数据集（包括 Udacity 和 Rotation-MNIST 数据集）上展示了泛化性能的提升，证明了所提方法具有更广泛的适用性。
引用
@article{arxiv.2202.11283,
title = {Better Modelling Out-of-Distribution Regression on Distributed Acoustic Sensor Data Using Anchored Hidden State Mixup},
author = {Hasan Asyari Arief and Peter James Thomas and Tomasz Wiktorski},
journal= {arXiv preprint arXiv:2202.11283},
year = {2022}
}
备注
TII Accepted Version