R-Mixup：面向生物网络的黎曼Mixup
机器学习
2023-06-06 v1 人工智能
定量方法
摘要
生物网络常用于生物医学与医疗健康领域，以有效建模具有连接生物实体之交互的复杂生物系统结构。然而，由于其高维小样本特性，直接在生物网络上应用深度学习模型通常面临严重过拟合。本工作中，我们提出R-MIXUP，一种基于Mixup的数据增强技术，适配生物网络邻接矩阵的对称正定（SPD）性质并优化训练效率。R-MIXUP中的插值过程利用黎曼流形的对数欧氏距离度量，有效解决了原始Mixup的膨胀效应与任意错误标签问题。我们在五个真实世界生物网络数据集上于回归与分类任务展示了R-MIXUP的有效性。此外，我们推导了识别生物网络SPD矩阵时普遍被忽略的必要条件，并经验研究了其对模型性能的影响。代码实现见附录E。
引用
@article{arxiv.2306.02532,
title = {R-Mixup: Riemannian Mixup for Biological Networks},
author = {Xuan Kan and Zimu Li and Hejie Cui and Yue Yu and Ran Xu and Shaojun Yu and Zilong Zhang and Ying Guo and Carl Yang},
journal= {arXiv preprint arXiv:2306.02532},
year = {2023}
}
备注
Accepted to KDD 2023