تقویت داده ها مجموعه ای از تکنیک هایی است که برای افزایش مقدار داده در یک مدل یادگیری ماشینی با افزودن کپی های کمی تغییر یافته از داده های موجود یا داده های مصنوعی جدید ایجاد شده از داده های موجود استفاده می شود. این به هموارسازی مدل یادگیری ماشینی و کاهش بیش از حد برازش داده ها کمک می کند. کسبوکارها میتوانند از تقویت دادهها برای کاهش اتکای خود به آمادهسازی دادههای آموزشی و توسعه سریعتر مدلهای یادگیری ماشینی دقیقتر استفاده کنند. تقویت داده ها همچنین می تواند با افزایش مقدار داده های مرتبط در مجموعه داده، به مدل های یادگیری ماشینی با داده های زیادی کمک کند.
کمیت و تنوع داده ها عوامل مهمی در اثربخشی بیشتر مدل های یادگیری ماشین هستند. مقدار و تنوع داده های ارائه شده در طول آموزش به شدت بر دقت پیش بینی این مدل ها تأثیر می گذارد.
نورون های پنهان در مدل های یادگیری عمیق رایج هستند که برای انجام وظایف پیچیده آموزش دیده اند. تعداد پارامترهای قابل آموزش همزمان با تعداد نورون های پنهان رشد می کند. مقدار داده های مورد نیاز متناسب با تعداد پارامترهای قابل یادگیری در مدل است.
اعمال طیف وسیعی از تبدیل ها به داده های موجود برای ترکیب داده های جدید یکی از تکنیک های مقابله با چالش داده های محدود است. ‘داده ها…