![arxiv：2404.16918v2 [cs.lg] 2025年1月3日](/simg/d/d2c7b87e46918c7bd5604c692394a396160084d0.webp)
机构名称：
¥ 2.0
抽象的深度学习方法越来越多地用于处理涉及具有多个单变量时间序列的数据集的预测任务。成功应用这些方法的关键因素是足够大的训练大小，这并不总是可用。可以在这些情况下应用合成数据生成技术来增强数据集。数据增强通常是在训练模型之前离线应用的。但是，当使用迷你批次训练时，某些批次可能包含不成比例的合成样本，这些样本与原始数据特征不太吻合。这项工作介绍了一个在线数据增强框架，该框架在培训神经网络期间生成合成样本。通过为每个批次与原始对应物创建合成样本，我们保持bal-
arxiv：2404.16918v2 [cs.lg] 2025年1月3日
主要关键词
![arxiv：2404.16918v2 [cs.lg] 2025年1月3日PDF文件第1页](/bimg/6/6f5d5c657dd2424e1af781f55ffaad7ca0ec1956.webp)
![arxiv：2404.16918v2 [cs.lg] 2025年1月3日PDF文件第2页](/bimg/2/291121ca41b7c937eccf7d801a4acc339d00a5b2.webp)
![arxiv：2404.16918v2 [cs.lg] 2025年1月3日PDF文件第3页](/bimg/9/9163658a473e2f264d4066f2ea8c3ddb0c3588b3.webp)
![arxiv：2404.16918v2 [cs.lg] 2025年1月3日PDF文件第4页](/bimg/2/2a374927cfb821fd668cd09b84bd0ab1e26833c0.webp)
![arxiv：2404.16918v2 [cs.lg] 2025年1月3日PDF文件第5页](/bimg/d/d5e377b81b60392762208ca331351421af8f33f6.webp)
相关文件推荐
![arxiv：2404.13287V2 [Physics.optics] 2025年1月3日](/simg/9/99121041d18b8453ace711f357ab6eda339c62ae.webp)
![arxiv：2501.04966v1 [cs.cv] 2025年1月9日](/simg/d/dea7ad7b96ec0868bc89135a1c4313459741b73c.webp)
![arxiv：2501.01734v1 [cond-mat.supr-con] 2025年1月3日](/simg/2/20903f5adaf0cb2181b38789f5a3a4a92c0ccc14.webp)
![arxiv：2501.10089v1 [cs.cv] 2025年1月17日](/simg/7/741beda39614c3a573d37b99ccd8947f62d2e5fa.webp)
![arxiv：2309.04219v2 [cs.it] 2025年1月27日](/simg/1/130e8591bd1cf5217a3a3fdcdea93192ad9e755b.webp)
![arxiv：2501.15415v1 [cs.cv] 2025年1月26日](/simg/8/84782461405a7624ab37009ae9f74c6fa1c1bb44.webp)
![arxiv：2501.15369v1 [cs.cv] 2025年1月26日](/simg/4/4ad27d92a40e7e9934a51e62ccda0296dabb88fb.webp)
![arxiv：2501.04352v1 [cs.cv] 2025年1月8日](/simg/2/20b4b7601c5e5a91b018a205c40e7fc43aa3e198.webp)
![arxiv：2501.06907v1 [cs.lg] 2025年1月12日](/simg/5/584bd367ef6a329bbc6fec1335a5fa5c13bb982d.webp)
![arxiv：2501.09380v1 [cs.cr] 2025年1月16日](/simg/5/53ee5f48138db1a74ce31aaf47a7548b04e739c6.webp)
![arxiv：2501.16546v1 [cs.ai] 2025年1月27日](/simg/0/034c54f7346ac860f99cd36ed1d83ff17b75cf2b.webp)
![arxiv：2401.01629v1 [cs.lg] 2024年1月3日](/simg/1/1904bc517d8e8e8c1dd7feb32aa47246b6aebc73.webp)
![arxiv：2401.15299v3 [cs.lg] 2025年1月15日](/simg/f/f8cbc77dbb6432f4bd0a48c75f942515b1ed06f4.webp)
![arxiv：2501.07994v1 [cs.cv] 2025年1月14日](/simg/c/cf0bc4d3de0f3d3629290402e430b2d6c96cb963.webp)