Mar, 2024

通过蛋白质数据增强改善蛋白质预测模型：一个基准和新方向

PDF
TL;DR数据增强技术被用于蛋白质数据中，通过引入两种新的语义级别蛋白质增强方法，以及将增强技术整合到一个自适应选择增强组合的框架中，通过实验证明 Automated Protein Augmentation（APA）提高了三种架构下五个蛋白质相关任务的性能，平均提升了 10.55%，显示出其在该领域具有巨大潜力。
发现论文，激发创造
  • 探索代码生成任务的数据增强技术

    本文探讨了自然语言处理、迁移学习和数据利用等技术在编程语言任务中的应用以及基于增强方法的模型训练，该方法可使代码翻译和摘要的准确率分别提高至 6.9% 和 7.5%。

    Feb, 2023

  • 利用生成式语言模型进行神经机器翻译的数据增强

    通过利用大规模语言模型如 ChatGPT，我们探索了基于提示的数据增强方法，用于产生合成的平行语料库，比较了三种不同提示的方法，并使用两个评估指标来衡量所生成的合成数据的多样性。这种方法无需额外的模型训练成本，与后向翻译等其他增强方法相比，提高了未增强基线的 0.68 BLEU 分数。

    Jul, 2023

  • 探索社交媒体语料库上的数据增强方法

    本研究探索了数据增强技术对文字分类的影响，使用多种数据增强技术，包括过采样、易用数据增强、反向翻译、灰度缩放以及一种少样本学习的方法 PTE。结果表明，数据增强技术对模型性能只有轻微且不一致的改进，少数同义词替换可以提高模型性能，灰度缩放需要进一步研究，PTE 的表现优于监督学习，尤其是在类别容易分离的情况下。

    Mar, 2023

  • 贝叶斯数据增强方法用于深度模型学习

    提出了一种基于贝叶斯公式，利用广义蒙特卡洛期望最大化算法和生成对抗网络的方法，能更好地生成新的标注训练样本，并在 MNIST，CIFAR-10 和 CIFAR-100 的数据集中取得了优于现有数据增强方法和 GAN 模型的分类结果。

    Oct, 2017

  • NaNa 和 MiGu：用于增强图神经网络中蛋白质分类的语义数据增强技术

    提出一种新型语义数据增强方法和共嵌入残差学习框架，以将蛋白质的主链化学和侧链生物物理信息纳入蛋白质分类任务中，并使 GIN 在 EC 和 Fold 数据集上的性能分别提高了 16.41% 和 11.33%。

    Mar, 2024

  • 在 SemEval-2024 任务 2 中的 DKE 研究：结合数据增强、生成模型和生物医学知识提高推理鲁棒性

    通过语义扰动和特定领域词汇替换生成合成示例，并添加数值和定量推理新任务，以改进生物医学临床试验中自然语言推理模型的鲁棒性，结合多任务学习和 DeBERTa 结构，相较于原始语言模型在 NLI4CT 2024 基准上取得了显著的性能改进。

    Apr, 2024

  • 足够好的组合数据增强

    本文提出了一种简单的数据增强协议，旨在为条件和无条件序列模型提供组合归纳偏置。经过测试，该协议可以应用于神经序列到序列模型和 n-gram 语言模型，使得错误率和困惑度均有所降低。

    Apr, 2019

  • 图分类的数据增强

    该篇研究提出了两种启发式算法：随机映射和基元相似度映射，并结合数据增强、数据筛选和模型重训练的通用模型演化框架 M-Evolve 以优化预训练的图分类器，解决小规模基准数据集上过拟合问题，平均提高 3-12% 图分类任务的准确率。

    Sep, 2020

  • 大模型时代的数据增强调查

    大型模型驱动的数据增强方法的综述，包括图像增强、文本增强和配对数据增强三个主要类别以及相关的数据后处理技术和应用领域，评估了大型模型驱动的数据增强在不同场景下的成功和限制，并提出了未来研究的挑战和方向。

    Jan, 2024

  • Deceive D: 有限数据下的生成对抗网络 (GAN) 训练的自适应伪增强

    本研究介绍了一种新的训练策略 —— 自适应伪扩充 (Adaptive Pseudo Augmentation,APA)，以鼓励生成器和辨别器之间的健康竞争；APA 通过使用生成器本身来伪装真实数据分布，有效地减轻了过度拟合问题。该训练策略简单而有效，可无缝地添加到功能强大的 GAN 中，如 StyleGAN2，且计算成本极低。

    Nov, 2021