利用数据增强提高弱监督搜索性能
高能物理 - 唯象学
2024-12-23 v1 机器学习
高能物理 - 实验
摘要
弱监督将真实数据的优势与利用信号属性的能力相结合。然而，使用弱监督训练神经网络通常需要大量信号数据，这严重限制了其实际应用。在本研究中，我们提出通过数据增强来解决这一限制，增加训练数据的规模和多样性。具体而言，我们关注基于物理的增强方法，如 平滑和喷气机旋转。我们的结果表明，数据增强可以显著提高弱监督的性能，使神经网络能够从大幅减少的数据中高效学习。
引用
@article{arxiv.2412.00198,
title = {Improving the performance of weak supervision searches using data augmentation},
author = {Zong-En Chen and Cheng-Wei Chiang and Feng-Yang Hsieh},
journal= {arXiv preprint arXiv:2412.00198},
year = {2024}
}