الشبكات العصبية التلافيفية العميقة تتطلب كميات كبيرة من العينات المصنفة من البيانات. وفي العديد من التطبيقات الحقيقية، يعد هذا تحديًا رئيسيًا يتم التعامل معه عادةً باستخدام طرق زيادة البيانات (augmentation). في هذا البحث، نعالج مشكلة تعلم الشبكات العصبية العميقة على مجموعات بيانات صغيرة. تقترح هندستنا التي تُسمى ChimeraMix طريقة لزيادة البيانات من خلال إنشاء تركيبات للحالات. يشفر النموذج الإنشائي الصور بالزوج، ويجمع الخصائص بمساعدة قناع، وينشئ عينات جديدة. وللتقدير، يتم تدريب جميع الطرق من الصفر دون أي بيانات إضافية. أظهرت عدة تجارب على مجموعات بيانات معيارية مثل ciFAIR-10 وSTL-10 وciFAIR-100 الأداء المتفوق لـ ChimeraMix مقارنة بالطرق الرائدة حاليًا في تصنيف مجموعات البيانات الصغيرة.