Alimentar "ruido" a la IA también mejora su rendimiento: este trabajo logra una transferencia positiva con ruido
Aquest estudi introdueix Semi-Supervised Noise Adaptation (SSNA) i el Noise Adaptation Framework (NAF), un mètode que utilitza soroll sintètic generat aleatòriament per millorar l'aprenentatge semi-supervisat amb poques etiquetes. En lloc de dades font reals, el NAF crea un domini de soroll amb estructura discriminativa (vectors gaussians agrupats per "classe") i l'alinea amb el domini objectiu en un espai de representació compartit, utilitzant un petit conjunt d'etiquetes reals com a pont.
Els resultats en CIFAR-10, CIFAR-100 i altres conjunts de dades mostren millores significatives respecte a la línia base (ERM), per exemple, un +12.35% en CIFAR-10. L'experimentació demostra que el benefici prové de l'estructura de classe transferida, no del contingut semàntic del soroll. Això suggereix que, quan les dades font reals no estan disponibles, el soroll estructurat pot ser una alternativa viable per a la transferència de coneixement.
marsbit07/22 07:59
