基于共享特征的数据库增强神经网络架构

利用机器学习与神经网络从数据中学习的热潮，催生了几乎每个问题领域的大量新数据集。然而，即便在同一领域内，这些数据集往往具有异构特征、采样自不同子群体，且记录于不同时间点。尽管存在海量独立数据集，大型数据科学项目仍困难重重，因为这些较小数据集的合并常非易事。诸如医学等部分领域固有的挑战，也使得构建具备相同特征的大型单源或多源数据集极为困难。我们不直接尝试合并这些不匹配的数据集，而是提出一种可利用数据集间共有特征实现数据增强的神经网络架构。结果表明，此类数据增强对图像与表格数据均有效。