生成的データ拡張の信頼性理論：Wasserstein距離に基づく解析
arXiv stat.ML ・ 2026-09-01
原題: On the Reliability of Generative Augmentation: A Wasserstein-Based Theoretical and Empirical Study
AI による要約
生成的データ拡張がクラス不均衡の緩和に広く用いられているが、その理論的効果は未解明だった。本研究は条件付き生成拡張の統計的枠組みを構築し、分類リスクへの影響をWasserstein距離に基づいて解析した。拡張強度と実データ・生成データ間のクラス条件付きWasserstein距離がリスク歪みを制御することを示した。
この要約は当サイトの AI が生成したものです。正確な内容は 元記事（arXiv stat.ML）をご確認ください。