論文の概要: Face Verification via learning the kernel matrix
- arxiv url: http://arxiv.org/abs/2001.07323v1
- Date: Tue, 21 Jan 2020 03:39:09 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-08 00:11:09.391174
- Title: Face Verification via learning the kernel matrix
- Title（参考訳）: カーネル行列の学習による顔認証
- Authors: Ning Yuan, Xiao-Jun Wu and He-Feng Yin
- Abstract要約: カーネル関数は非線形パターン認識問題を解決するために導入された。
有望なアプローチは、データからカーネルを自動的に学習することだ。
本稿では,カーネル行列の学習による非線形顔認証を提案する。
- 参考スコア（独自算出の注目度）: 9.414572104591027
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The kernel function is introduced to solve the nonlinear pattern recognition
problem. The advantage of a kernel method often depends critically on a proper
choice of the kernel function. A promising approach is to learn the kernel from
data automatically. Over the past few years, some methods which have been
proposed to learn the kernel have some limitations: learning the parameters of
some prespecified kernel function and so on. In this paper, the nonlinear face
verification via learning the kernel matrix is proposed. A new criterion is
used in the new algorithm to avoid inverting the possibly singular within-class
which is a computational problem. The experimental results obtained on the
facial database XM2VTS using the Lausanne protocol show that the verification
performance of the new method is superior to that of the primary method Client
Specific Kernel Discriminant Analysis (CSKDA). The method CSKDA needs to choose
a proper kernel function through many experiments, while the new method could
learn the kernel from data automatically which could save a lot of time and
have the robust performance.
- Abstract（参考訳）: 非線形パターン認識問題を解くためにカーネル関数を導入する。
カーネル法の利点は、しばしばカーネル関数の適切な選択に依存する。
有望なアプローチは、データからカーネルを自動的に学習することです。
過去数年間、カーネルを学習するために提案されたいくつかのメソッドには、予め定義されたカーネル関数のパラメータを学習するなど、いくつかの制限がある。
本稿では,カーネルマトリクスの学習による非線形顔検証を提案する。
新しいアルゴリズムでは計算問題である特異なクラスを反転させるのを避けるために新しい基準が用いられている。
ローザンヌプロトコルを用いて, 顔データベースxm2vtsを用いて得られた実験結果から, 新しい手法の検証性能は一次法クライアント特定カーネル判別解析 (cskda) よりも優れていることがわかった。
CSKDAは多数の実験を通して適切なカーネル関数を選択する必要があり、新しい手法はデータからカーネルを自動的に学習し、多くの時間を節約し、堅牢な性能を得ることができた。
関連論文リスト
- On the Sublinear Regret of GP-UCB [58.25014663727544]
ガウス過程上信頼境界 (GP-UCB) アルゴリズムは, ほぼ最適の後悔率を有することを示す。
私たちの改善は、基盤となるカーネルの滑らかさに比例してカーネルリッジ推定を正規化するという、重要な技術的貢献に依存しています。
論文 参考訳（メタデータ） (2023-07-14T13:56:11Z) - A Simple Algorithm For Scaling Up Kernel Methods [0.0]
ランダムな特徴量を無限個のランダムな特徴にスケールできる新しいランダムな特徴回帰アルゴリズムを提案する。
CIFAR-10データセット上で,本手法の性能について述べる。
論文 参考訳（メタデータ） (2023-01-26T20:59:28Z) - A new trigonometric kernel function for SVM [0.0]
本稿では,機械学習アルゴリズムのパラメータを1つ含む新しい三角関数を提案する。
また,カーネル-SVM法とカーネル-SVR法の実証評価を行い,その性能を実証した。
論文 参考訳（メタデータ） (2022-10-16T17:10:52Z) - Learning "best" kernels from data in Gaussian process regression. With
application to aerodynamics [0.4588028371034406]
本稿では,ガウス過程の回帰/クリギングサロゲートモデリング手法におけるカーネルの選択/設計アルゴリズムを紹介する。
アルゴリズムの最初のクラスはカーネルフローであり、機械学習の分類の文脈で導入された。
アルゴリズムの第2のクラスはスペクトル核リッジ回帰と呼ばれ、近似される関数のノルムが最小となるような「最良の」カーネルを選択することを目的としている。
論文 参考訳（メタデータ） (2022-06-03T07:50:54Z) - Meta-Learning Hypothesis Spaces for Sequential Decision-making [79.73213540203389]
オフラインデータ(Meta-KeL)からカーネルをメタ学習することを提案する。
穏やかな条件下では、推定されたRKHSが有効な信頼セットを得られることを保証します。
また,ベイズ最適化におけるアプローチの有効性を実証的に評価した。
論文 参考訳（メタデータ） (2022-02-01T17:46:51Z) - Kernel Continual Learning [117.79080100313722]
カーネル連続学習は、破滅的な忘れ事に取り組むための、シンプルだが効果的な連続学習の変種である。
エピソードメモリユニットは、カーネルリッジ回帰に基づいてタスク固有の分類器を学ぶために、各タスクのサンプルのサブセットを格納する。
タスク毎にデータ駆動カーネルを学ぶための変動ランダム機能。
論文 参考訳（メタデータ） (2021-07-12T22:09:30Z) - Taming Nonconvexity in Kernel Feature Selection---Favorable Properties
of the Laplace Kernel [77.73399781313893]
カーネルベースの特徴選択の客観的機能を確立することが課題である。
非言語最適化に利用可能な勾配に基づくアルゴリズムは、局所ミニマへの収束を保証できるだけである。
論文 参考訳（メタデータ） (2021-06-17T11:05:48Z) - Kernel Identification Through Transformers [54.3795894579111]
カーネル選択はガウス過程(GP)モデルの性能決定において中心的な役割を果たす。
この研究は、高次元GP回帰モデルのためのカスタムカーネル関数を構築するという課題に対処する。
KITT: Kernel Identification through Transformersを提案する。
論文 参考訳（メタデータ） (2021-06-15T14:32:38Z) - Domain Adaptive Learning Based on Sample-Dependent and Learnable Kernels [2.1485350418225244]
本稿では,SDLK-DAL(Sample-Dependent and Learnable Kernels)に基づくドメイン適応学習手法を提案する。
我々の研究の最初の貢献は、サンプルに依存して学習可能な正定定値カーネル関数(PDQK)フレームワークを提案することである。
PDQKによって決定されたRKHSがいくつかの最先端のDALアルゴリズムに取って代わる一連の実験を行い、我々のアプローチはより良いパフォーマンスを実現します。
論文 参考訳（メタデータ） (2021-02-18T13:55:06Z) - Isolation Distributional Kernel: A New Tool for Point & Group Anomaly
Detection [76.1522587605852]
分離分散カーネル(IDK)は2つの分布の類似性を測定する新しい方法である。
我々は、カーネルベースの異常検出のための新しいツールとして、IDKの有効性と効率を示す。
論文 参考訳（メタデータ） (2020-09-24T12:25:43Z) - End-to-end Kernel Learning via Generative Random Fourier Features [31.57596752889935]
ランダムフーリエ機能(RFF)は、スペクトルケースでのカーネル学習に有望な方法を提供する。
本稿では,カーネル学習と線形学習を統一フレームワークに組み込む一段階プロセスについて考察する。
論文 参考訳（メタデータ） (2020-09-10T00:27:39Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。