arXiv · Machine Learning· Yuhao Qi, Wenlin Dai, Xuehu Zhu·· 10 小时前AI 评分39
函数型数据的合成数据增强：Wasserstein 风险界与基于扩散的条件生成
Synthetic Data Augmentation for Functional Data: Wasserstein Risk Bounds and Diffusion-Based Conditional Generation
AI 导读
这项研究分析类条件函数扩散生成器用于函数型数据增强的风险，并在 Wasserstein-1 距离下给出理论保证。研究界定稳定下游估计器使用合成曲线的风险上下界、最佳合成数量及合成数据优于真实数据的条件。温度、高光谱和步态曲线实验显示，增强改善分类及两类回归；类别不平衡时，将合成曲线分配给少数类收益最大。
来源：arXiv · Machine Learning · arxiv.org