• 0과 1로 된 분류 타깃 값을 소프트한 값으로 바꾸어 데이터셋에 있는 잘못된 레이블의 영향을 완화시키는 규제 기법인 레이블 스무딩: Rafael Müller, Simon Kornblith, and Geoffrey Hinton, “When Does Label Smoothing Help?” (2019), https://arxiv.org/abs/1906.02629

• 일반화 성능과 견고성을 향상시키기 위해 블렌딩된 데이터 쌍에서 신경망을 훈련하는 방법인 Mixup: Hongyi Zhang et al., “Mixup: Beyond Empirical Risk Minimization” (2018), https://arxiv.org/abs/1710.09412