通过标签空间数据增强连接数据集用于神经网络
机器学习
2021-06-18 v1
摘要
现代深度学习系统大多（即便不是全部）将自身限制于单一数据集进行神经网络训练与推断。在本文中，我们关注以系统化方式连接出于相似目的而构建的数据集。不同于以往普遍在非可解释的潜在向量空间中进行数据集连接的已发表工作，我们方法的核心是在标签空间中的增强过程。解决数据集连接的标签空间的主要挑战是标签之间的差异：非重叠的标签标注集、不同的标注粒度或层级等。值得注意的是，我们提出了一种利用人工创建知识图谱、循环神经网络和策略梯度新技术，成功实现了标签空间中的数据集连接。在图像与文本分类上的实证结果证明了我们方法的有效性。
引用
@article{arxiv.2106.09260,
title = {Joining datasets via data augmentation in the label space for neural networks},
author = {Jake Zhao and Mingfeng Ou and Linji Xue and Yunkai Cui and Sai Wu and Gang Chen},
journal= {arXiv preprint arXiv:2106.09260},
year = {2021}
}
备注
Accepted in ICML 2021. Jake Zhao and Mingfeng Ou contributed equally