Сравнение подходов к повышению представительности спектроскопических данных с помощью вариационных автоэнкодеров

Решение обратных задач оптической спектроскопии многокомпонентных растворов по определению концентраций компонентов представляет собой достаточно сложную проблему, один из эффективных способов решения которой состоит в использовании искусственных нейронных сетей. Однако одной из сложностей на этом пути может являться недостаточная представительность экспериментальных данных, связанная со сложностью и высокой стоимостью масштабного физического эксперимента. Рассмотрены и сравнены между собой алгоритмы генерации дополнительных модельных данных с помощью вариационных автоэнкодеров с целью повышения представительности обучающей выборки. Показано, что наиболее перспективным представляется использование обыкновенного (не обусловленного) вариационного автоэнкодера с генерацией примеров из равномерного распределения в латентном пространстве. Поиск оптимального распределения в латентном пространстве для генерации примеров должен стать предметом дальнейших исследований.