反例引导的数据增强
机器学习
2018-05-21 v1 人工智能
机器学习
摘要
我们提出一种基于反例的机器学习数据集增强新框架。反例是被误分类的样例，具有用于重新训练和改进模型的重要性质。我们框架的关键组件包括一个反例生成器（产生被模型误分类的数据项）和错误表——一种存储误分类相关信息的新数据结构。错误表可用于解释模型的脆弱性，并用于高效生成反例以增强。我们通过在基于深度神经网络的自动驾驶目标检测案例研究中将其与经典增强技术比较，展示了所提框架的有效性。
引用
@article{arxiv.1805.06962,
title = {Counterexample-Guided Data Augmentation},
author = {Tommaso Dreossi and Shromona Ghosh and Xiangyu Yue and Kurt Keutzer and Alberto Sangiovanni-Vincentelli and Sanjit A. Seshia},
journal= {arXiv preprint arXiv:1805.06962},
year = {2018}
}