論文の概要: Super-k: A Piecewise Linear Classifier Based on Voronoi Tessellations
- arxiv url: http://arxiv.org/abs/2012.15492v2
- Date: Sun, 24 Jan 2021 17:00:08 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-17 17:04:26.194211
- Title: Super-k: A Piecewise Linear Classifier Based on Voronoi Tessellations
- Title(参考訳): Super-k: Voronoiテッセルレーションに基づくPiecewise Linear Classifier
- Authors: Rahman Salim Zengin (1), Volkan Sezer (1) ((1) Istanbul Technical
University)
- Abstract要約: ボロノイテッセルレーションはユークリッド空間を多面体領域に分割するために用いられ、これはボロノイ細胞と呼ばれる。
我々は,トレーニングデータを多面体領域に分割するラベル付きボロノイテッセルレーションを生成するアルゴリズムを開発した。
Super-kアルゴリズムは、競合他社よりも少なくとも100倍速い。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Voronoi tessellations are used to partition the Euclidean space into
polyhedral regions, which are called Voronoi cells. Labeling the Voronoi cells
with the class information, we can map any classification problem into a
Voronoi tessellation. In this way, the classification problem changes into a
query of just finding the enclosing Voronoi cell. In order to accomplish this
task, we have developed a new algorithm which generates a labeled Voronoi
tessellation that partitions the training data into polyhedral regions and
obtains interclass boundaries as an indirect result. It is called Supervised
k-Voxels or in short Super-k. We are introducing Super-k as a foundational new
algorithm and opening the possibility of a new family of algorithms. In this
paper, it is shown via comparisons on certain datasets that the Super-k
algorithm has the potential of providing similar accuracy and training
performance of the well-known SVM family of algorithms with less complexity.
Furthermore, the Super-k algorithm has an exceptional inference performance.
According to the experimental results, the Super-k algorithm is at least a
hundred-fold faster than its competitors.
- Abstract(参考訳): ボロノイテッセルレーションはユークリッド空間を、ボロノイ細胞と呼ばれる多面体領域に分割するために用いられる。
クラス情報でボロノイ細胞をラベル付けすることで、分類問題をボロノイテッセルレーションにマッピングすることができる。
このようにして、分類問題は、囲むボロノイセルを見つけるためのクエリに変化する。
この課題を達成するために,訓練データを多面体領域に分割し,間接的な結果としてクラス間境界を得るラベル付きボロノイテッセレーションを生成する新しいアルゴリズムを開発した。
我々は、Super-kを基礎となる新しいアルゴリズムとして導入し、新しいアルゴリズムファミリーの可能性を開く。
本稿では,いくつかのデータセットの比較を通じて,スーパーkアルゴリズムが,svmの既知のアルゴリズムの精度とトレーニング性能を,より少ない複雑さで提供できることを示す。
さらに、Super-kアルゴリズムは例外的な推論性能を有する。
実験結果によると、Super-kアルゴリズムは競合他社よりも少なくとも100倍高速である。
関連論文リスト
- Adaptive $k$-nearest neighbor classifier based on the local estimation of the shape operator [49.87315310656657]
我々は, 局所曲率をサンプルで探索し, 周辺面積を適応的に定義する適応型$k$-nearest(kK$-NN)アルゴリズムを提案する。
多くの実世界のデータセットから、新しい$kK$-NNアルゴリズムは、確立された$k$-NN法と比較してバランスの取れた精度が優れていることが示されている。
論文 参考訳(メタデータ) (2024-09-08T13:08:45Z) - Fixed-Budget Real-Valued Combinatorial Pure Exploration of Multi-Armed
Bandit [65.268245109828]
このアルゴリズムは,アクションクラスのサイズが指数関数的に大きい場合でも,最良のアクションを識別できる最初のアルゴリズムである。
CSAアルゴリズムの誤差確率の上限は指数の対数係数までの下界と一致することを示す。
提案手法を従来手法と実験的に比較し,アルゴリズムの性能が向上したことを示す。
論文 参考訳(メタデータ) (2023-10-24T09:47:32Z) - Bake off redux: a review and experimental evaluation of recent time series classification algorithms [1.0992151305603266]
2017年、カリフォルニア大学リバーサイド校(UCR)のアーカイブから得られた85のデータセットに対して、18の時系列分類(TSC)アルゴリズムを比較した。
この研究は一般に「ベイクオフ」と呼ばれ、9つのアルゴリズムのみがダイナミック・タイム・ウォーピング(DTW)やローテーション・フォレスト(Rotation Forest)のベンチマークよりもはるかに優れた性能を示した。
提案したカテゴリが、当初からどのように進歩してきたかを確認し、以前のベスト・オブ・カテゴリに対して、新しいアルゴリズムの性能を評価する。
論文 参考訳(メタデータ) (2023-04-25T17:59:28Z) - The Cascaded Forward Algorithm for Neural Network Training [61.06444586991505]
本稿では,ニューラルネットワークのための新しい学習フレームワークであるCascaded Forward(CaFo)アルゴリズムを提案する。
FFとは異なり、我々のフレームワークは各カスケードブロックのラベル分布を直接出力する。
我々のフレームワークでは、各ブロックは独立して訓練できるので、並列加速度システムに容易に展開できる。
論文 参考訳(メタデータ) (2023-03-17T02:01:11Z) - Generalization Bounds for Data-Driven Numerical Linear Algebra [24.961270871124217]
データ駆動アルゴリズムは、トレーニングされた入力サンプルから学習することで、未知のアプリケーション固有の分布からの入力に内部構造やパラメータを適用することができる。
いくつかの最近の研究は、数値線形代数における問題にこのアプローチを適用し、性能において顕著な経験的利得を得た。
本研究では、Gupta と Roughgarden が提案するデータ駆動アルゴリズム選択のためのPAC学習フレームワークにおいて、これらのアルゴリズムの一般化境界を証明する。
論文 参考訳(メタデータ) (2022-06-16T02:23:45Z) - Lattice-Based Methods Surpass Sum-of-Squares in Clustering [98.46302040220395]
クラスタリングは教師なし学習における基本的なプリミティブである。
最近の研究は、低次手法のクラスに対する低い境界を確立している。
意外なことに、この特定のクラスタリングモデルのtextitdoesは、統計的-計算的ギャップを示さない。
論文 参考訳(メタデータ) (2021-12-07T18:50:17Z) - Super-klust: Another Way of Piecewise Linear Classification [0.0]
Super-Klustアルゴリズムは、ラベル付きVoronoiテッセルレーションでデータをカバーし、その結果のテッセルレーションを分類に使用する。
実験結果によると、Super-klustアルゴリズムはSuper-kアルゴリズムと類似した性能特性を有する。
論文 参考訳(メタデータ) (2021-02-02T15:54:48Z) - Adversarial Examples for $k$-Nearest Neighbor Classifiers Based on
Higher-Order Voronoi Diagrams [69.4411417775822]
逆例は機械学習モデルにおいて広く研究されている現象である。
そこで本研究では,$k$-nearest 近傍分類の逆ロバスト性を評価するアルゴリズムを提案する。
論文 参考訳(メタデータ) (2020-11-19T08:49:10Z) - Clustering of Big Data with Mixed Features [3.3504365823045044]
我々は混合型の大規模データのための新しいクラスタリングアルゴリズムを開発した。
このアルゴリズムは、比較的低い密度値の外れ値とクラスターを検出することができる。
本研究では,本アルゴリズムが実際に有効であることを示す実験結果を示す。
論文 参考訳(メタデータ) (2020-11-11T19:54:38Z) - Data Structures & Algorithms for Exact Inference in Hierarchical
Clustering [41.24805506595378]
本稿では,新しいトレリスデータ構造に基づく階層クラスタリングにおける表現型推論のための動的プログラミングアルゴリズムを提案する。
我々のアルゴリズムは時間と空間に比例してN$要素のパワーセットをスケールし、これは(2N-3)! 可能な階層のそれぞれを明示的に考慮するよりも指数関数的に効率的である。
論文 参考訳(メタデータ) (2020-02-26T17:43:53Z) - Optimal Randomized First-Order Methods for Least-Squares Problems [56.05635751529922]
このアルゴリズムのクラスは、最小二乗問題に対する最も高速な解法のうち、いくつかのランダム化手法を含んでいる。
我々は2つの古典的埋め込み、すなわちガウス射影とアダマール変換のサブサンプリングに焦点を当てる。
得られたアルゴリズムは条件数に依存しない最小二乗問題の解法として最も複雑である。
論文 参考訳(メタデータ) (2020-02-21T17:45:32Z)
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。