Lernen von Invarianzen durch Korrelation und marginale Ausrichtungen für die Generalisierung außerhalb der Verteilung

Key Points

• Die Generalisierung außerhalb der Verteilung verbessert sich mit invariantem Lernmechanismen und zeigt signifikante Vorteile.
• Modelle, die Korrelation und marginale Ausrichtungen nutzen, erzielen eine bessere Leistung und erreichen eine Genauigkeit von bis zu 30%.
• Die beobachtende Analyse mit synthetischen Datensätzen zeigt, dass strukturierte Ausrichtungen Variabilität effektiv erfassen.
• Diese Ergebnisse unterstreichen die Bedeutung von Invarianzstrategien zur Schaffung robusterer Modelle gegen Datenverschiebungen.