Предварительная подготовка с помощью моделей диффузии

arXiv:2610.23289v1 Annualce Type: New Humber Brieflow: Машинное обучение с ограниченными данными подвержено перенасыщению, особенно современным глубоким нейронным сетям. До внедрения системы " AlexNet > было установлено, что предварительная подготовка на основе реконструкции с использованием автоконтроля и денонсации автоинженера была полезной отчасти из-за ограниченного объема учебных комплектов в то время. Руководствуясь этими традиционными подходами, мы предлагаем использовать подход DiffPT - простую модель распространения для предварительного обучения той или иной базовой линии классификации ограниченным данным о профессиональной подготовке по конкретным областям. Мы экспериментируем с данными временных рядов, стандартными показателями естественного изображения и наборами медицинских изображений и противопоставляем подход к распространению множества современных и традиционных методов без самоконтроля. Несмотря на то, что в режиме низких данных противопоказательная предварительная подготовка лучше срабатывает на CIFAR-10 и Tiny ImageNet, DiffPT особенно эффективен при выполнении задач медицинской съемки и временных рядов, когда она превышает самоконтролируемые исходные параметры по ряду низко-временных