论文信息

论文标题：mixup: Beyond Empirical Risk Minimization
论文作者：Takeru Miyato, S. Maeda, Masanori Koyama, S. Ishii
论文来源：2018 ICLR
论文地址：download 
论文代码：download
视屏讲解：click

 

posted @   别关注我了，私信我吧  阅读(59)  评论(0)  编辑  收藏  举报
相关博文：
· 迁移学习（VMT）《Virtual Mixup Training for Unsupervised Domain Adaptation》
· 迁移学习（DDC）《Deep Domain Confusion: Maximizing for Domain Invariance》【已复现迁移】
· 小样本学习-RN
· mixup: BEYOND EMPIRICAL RISK MINIMIZATION概述
· 论文《深度多尺度卷积LSTM网络的出行需求和出发地预测》
阅读排行：
· 阿里最新开源QwQ-32B，效果媲美deepseek-r1满血版，部署成本又又又降低了！
· 单线程的Redis速度为什么快？
· SQL Server 2025 AI相关能力初探
· AI编程工具终极对决：字节Trae VS Cursor，谁才是开发者新宠？
· 展开说说关于C#中ORM框架的用法！
历史上的今天：
2022-05-02 论文解读（DAGNN）《Towards Deeper Graph Neural Networks》
2020-05-02 删除字符串中的所有相邻重复项
2020-05-02 用两个栈实现队列
2020-05-02 删除最外层的括号
Live2D
点击右上角即可分享
微信分享提示