Fugu-MT 論文翻訳(概要): Hybrid Method Based on NARX models and Machine Learning for Pattern Recognition

論文の概要: Hybrid Method Based on NARX models and Machine Learning for Pattern Recognition

arxiv url: http://arxiv.org/abs/2106.04021v1
Date: Tue, 8 Jun 2021 00:17:36 GMT
ステータス: 処理完了
システム内更新日: 2021-06-09 16:17:20.191782
Title: Hybrid Method Based on NARX models and Machine Learning for Pattern Recognition
Title（参考訳）: NARXモデルに基づくハイブリッド手法とパターン認識のための機械学習
Authors: P. H. O. Silva, A. S. Cerqueira, E. G. Nepomuceno
Abstract要約: 本研究は,機械学習とシステム識別の方法論を統合した新しい手法を提案する。本手法の効率は,機械学習におけるケーススタディにより検証され,古典的分類アルゴリズムと比較して絶対的な結果が得られた。
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: This work presents a novel technique that integrates the methodologies of machine learning and system identification to solve multiclass problems. Such an approach allows to extract and select sets of representative features with reduced dimensionality, as well as predicts categorical outputs. The efficiency of the method was tested by running case studies investigated in machine learning, obtaining better absolute results when compared with classical classification algorithms.
Abstract（参考訳）: 本稿では,機械学習とシステム同定の方法論を統合し,多クラス問題を解く新しい手法を提案する。このようなアプローチにより、次元性が低下する代表的特徴の集合を抽出・選択し、カテゴリのアウトプットを予測できる。本手法の効率は,機械学習のケーススタディにより検証され,古典的分類アルゴリズムと比較して絶対的な結果が得られた。

関連論文リスト

PBES: PCA Based Exemplar Sampling Algorithm for Continual Learning [0.0]
本稿では、主成分分析(PCA)と中央値サンプリングに基づく新しい模範選択手法と、クラス増分学習の設定におけるニューラルネットワークトレーニング方式を提案する。このアプローチは、データの異常値による落とし穴を回避し、さまざまなインクリメンタル機械学習モデルの実装と使用の両方が容易である。
論文参考訳（メタデータ） (2023-12-14T21:27:38Z)
Bandit-Driven Batch Selection for Robust Learning under Label Noise [20.202806541218944]
本稿では,SGD(Gradient Descent)トレーニングにおけるバッチ選択のための新しい手法を提案する。本手法は,ラベルノイズの存在下での学習過程の最適化に重点を置いている。
論文参考訳（メタデータ） (2023-10-31T19:19:01Z)
MACE: An Efficient Model-Agnostic Framework for Counterfactual Explanation [132.77005365032468]
MACE(Model-Agnostic Counterfactual Explanation)の新たな枠組みを提案する。 MACE法では, 優れた反実例を見つけるための新しいRL法と, 近接性向上のための勾配のない降下法を提案する。公開データセットの実験は、有効性、空間性、近接性を向上して検証する。
論文参考訳（メタデータ） (2022-05-31T04:57:06Z)
Unsupervised feature selection via self-paced learning and low-redundant regularization [6.083524716031565]
自己評価学習とサブスペース学習の枠組みを統合することにより,教師なしの特徴選択を提案する。この手法の収束性は理論的および実験的に証明される。実験の結果,提案手法はクラスタリング法の性能を向上し,他の比較アルゴリズムよりも優れていることがわかった。
論文参考訳（メタデータ） (2021-12-14T08:28:19Z)
Predictive machine learning for prescriptive applications: a coupled training-validating approach [77.34726150561087]
規範的応用のための予測機械学習モデルをトレーニングするための新しい手法を提案する。このアプローチは、標準的なトレーニング検証テストスキームの検証ステップを微調整することに基づいている。合成データを用いたいくつかの実験は、決定論的モデルと実モデルの両方において処方料コストを削減できる有望な結果を示した。
論文参考訳（メタデータ） (2021-10-22T15:03:20Z)
Gone Fishing: Neural Active Learning with Fisher Embeddings [55.08537975896764]
ディープニューラルネットワークと互換性のあるアクティブな学習アルゴリズムの必要性が高まっている。本稿では,ニューラルネットワークのための抽出可能かつ高性能な能動学習アルゴリズムBAITを紹介する。
論文参考訳（メタデータ） (2021-06-17T17:26:31Z)
Meta-learning One-class Classifiers with Eigenvalue Solvers for Supervised Anomaly Detection [55.888835686183995]
教師付き異常検出のためのニューラルネットワークに基づくメタラーニング手法を提案する。提案手法は,既存の異常検出法や少数ショット学習法よりも優れた性能を実現することを実験的に実証した。
論文参考訳（メタデータ） (2021-03-01T01:43:04Z)
Performance evaluation and application of computation based low-cost homogeneous machine learning model algorithm for image classification [0.0]
画像分類機械学習モデルは入力画像のカテゴリを予測する目的で訓練された。本稿では,最新のクラウドベースアプリケーションにシームレスに統合可能な,低コストでシンプルなアルゴリズムの性能評価を行う。
論文参考訳（メタデータ） (2020-10-16T01:05:49Z)
An Extensive Experimental Evaluation of Automated Machine Learning Methods for Recommending Classification Algorithms (Extended Version) [4.400989370979334]
これら3つの手法は進化的アルゴリズム(EA)に基づいており、もう1つはAuto-WEKAである。我々は,これらの4つのAutoMLメソッドに,この制限の異なる値に対して,同じランタイム制限を付与する制御実験を行った。一般に,3つの最良のAutoML手法の予測精度の差は統計的に有意ではなかった。
論文参考訳（メタデータ） (2020-09-16T02:36:43Z)
Learning to Select Base Classes for Few-shot Classification [96.92372639495551]
我々は、数ショットモデルの一般化性能を示す指標として、類似度比を用いる。次に、類似度比に対する部分モジュラー最適化問題として基底クラス選択問題を定式化する。
論文参考訳（メタデータ） (2020-04-01T09:55:18Z)
Deep Unfolding Network for Image Super-Resolution [159.50726840791697]
本稿では,学習に基づく手法とモデルに基づく手法の両方を活用する,エンドツーエンドのトレーニング可能なアンフォールディングネットワークを提案する。提案するネットワークは, モデルベース手法の柔軟性を継承し, 一つのモデルを用いて, 異なるスケール要因に対する, 曖昧でノイズの多い画像の超解像化を行う。
論文参考訳（メタデータ） (2020-03-23T17:55:42Z)

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。