Scifaro

中文

空腔填充：基于伪特征生成解决深度学习中的多类不平衡数据问题

机器学习 2019-10-15 v6 人工智能计算与语言计算机视觉与模式识别机器学习

作者: Tomohiko Konno , Michiaki Iwazume

在 arXiv 上查看 ↗ PDF ↗

摘要

本文中，我们基于从训练好的深度神经网络各层特征图中获得的多变量概率分布生成伪特征。进而，我们利用这些生成的伪特征来增强少数类数据，以克服数据不平衡问题。所提出的方法，即空腔填充（cavity filling），提升了深度学习在多个问题上的能力，因为所有真实世界数据均被观察到是不平衡的。

关键词

类不平衡深度学习伪特征生成多变量概率分布数据增强少数类数据空腔填充

引用

@article{arxiv.1807.06538,
  title  = {Cavity Filling: Pseudo-Feature Generation for Multi-Class Imbalanced Data Problems in Deep Learning},
  author = {Tomohiko Konno and Michiaki Iwazume},
  journal= {arXiv preprint arXiv:1807.06538},
  year   = {2019}
}

备注

The slides are available at https://goo.gl/SPsSDh in English and at https://goo.gl/RFHYAa in Japanese. 9 pages