函数型数据增强研究提出风险界并报告实验收益

Yuhao Qi、Wenlin Dai和Xuehu Zhu提交了一项函数型数据合成增强研究，分析类条件函数扩散生成器的风险，并在 Wasserstein-1 距离下给出理论保证。温度、高光谱和步态曲线实验显示，增强改善了分类和两类回归表现。 论文还界定了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，以及合成数据优于真实数据的条件。类别不平衡时，将合成曲线分配给少数类收益最大。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。