تُعدّ عملية تكبير البيانات استراتيجية فعّالة للتنظيم (regularization) لتخفيف الازدواجية (overfitting)، وهي عيب جوهري في الشبكات العصبية العميقة. ومع ذلك، يُنظر نادرًا إلى تكبير البيانات في معالجة السحاب النقطي، على الرغم من العديد من الدراسات التي قدمت طرقًا متنوعة لتكبير البيانات الصورية. في الواقع، يُعد التنظيم ضروريًا للسحاب النقطية، نظرًا لأن نقص العامية (lack of generality) يكون أكثر احتمالًا في هذه البيانات بسبب حجمها الصغير. تُقدّم هذه الورقة طريقة جديدة لتكبير البيانات تُسمى "مزيج الجزء الصلب" (Rigid Subset Mix أو RSMix)، والتي تُولّد عينة مُختلطة افتراضية من خلال استبدال جزء من العينة بجزء محفوظ الشكل من عينة أخرى. تُحافظ RSMix على المعلومات الهيكلية للسحاب النقطي من خلال استخراج أجزاء من كل عينة دون تشويه، باستخدام دالة جوار (neighboring function). وقد تم تصميم دالة الجوار بعناية، مع أخذ الخصائص الفريدة للسحاب النقطي بعين الاعتبار، مثل هيكلها غير المرتب وعدم ترتيبها على شبكة (non-grid). وقد أثبتت التجارب أن RSMix نجحت في تنظيم الشبكات العصبية العميقة، مع تحسّن ملحوظ في تصنيف الأشكال. كما أجرينا تحليلًا لعدة توليفات لطرق التكبير، تشمل RSMix، باستخدام تقييمات أحادية ومتعددة الزوايا، بناءً على دراسات استقصائية وافرة (ablation studies).