論文の概要: Deterministic Bridge Regression for Compressive Classification
- arxiv url: http://arxiv.org/abs/2203.09721v1
- Date: Fri, 18 Mar 2022 03:37:14 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-22 01:06:24.445616
- Title: Deterministic Bridge Regression for Compressive Classification
- Title（参考訳）: 圧縮分類のための決定論的ブリッジ回帰
- Authors: Kar-Ann Toh and Giuseppe Molteni and Zhiping Lin
- Abstract要約: 圧縮分類のための解析的ブリッジソリューションを提案する。
この解は過決定系の原始形式と過決定系の双対形式である。
シミュレーションおよび実世界のデータに基づく数値解析により,提案手法の有効性が検証された。
- 参考スコア（独自算出の注目度）: 15.753058926642748
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Pattern classification with compact representation is an important component
in machine intelligence. In this work, an analytic bridge solution is proposed
for compressive classification. The proposal has been based upon solving a
penalized error formulation utilizing an approximated $\ell_p$-norm. The
solution comes in a primal form for over-determined systems and in a dual form
for under-determined systems. While the primal form is suitable for problems of
low dimension with large data samples, the dual form is suitable for problems
of high dimension but with a small number of data samples. The solution has
also been extended for problems with multiple classification outputs. Numerical
studies based on simulated and real-world data validated the effectiveness of
the proposed solution.
- Abstract（参考訳）: コンパクト表現によるパターン分類は、機械知能の重要な構成要素である。
本研究では, 圧縮分類のための解析的橋梁解を提案する。
この提案は、近似された$\ell_p$-norm を用いたペナルティ化された誤り定式化の解決に基づいている。
この解は過決定系の原始形式と過決定系の双対形式である。
一次形式は, 大規模データサンプルの低次元問題には適しているが, 二重形式は高次元問題には適しているが, 少数のデータサンプルには適している。
この解は、複数の分類出力の問題にも拡張されている。
シミュレーションおよび実世界のデータに基づく数値的研究により,提案手法の有効性が検証された。
関連論文リスト
- Feature selection in linear SVMs via hard cardinality constraint: a scalable SDP decomposition approach [3.7876216422538485]
線形支援ベクトルマシン(SVM)における組込み特徴選択問題について検討する。
濃度制約が適用され、完全に説明可能な選択モデルが導かれる。
問題は、濃度制約が存在するためNPハードである。
論文 参考訳（メタデータ） (2024-04-15T19:15:32Z) - Structured model selection via $\ell_1-\ell_2$ optimization [1.933681537640272]
構造化力学系を同定する学習手法を開発した。
候補関数の集合が有界系を成すとき、その回復は安定で有界であることを示す。
論文 参考訳（メタデータ） (2023-05-27T12:51:26Z) - Universal and data-adaptive algorithms for model selection in linear
contextual bandits [52.47796554359261]
モデル選択の最も単純な非自明な例を考える: 単純な多重武装バンディット問題と線形文脈バンディット問題とを区別する。
データ適応的な方法で探索する新しいアルゴリズムを導入し、$mathcalO(dalpha T1- alpha)$という形式の保証を提供する。
我々のアプローチは、いくつかの仮定の下で、ネストされた線形文脈包帯のモデル選択に拡張する。
論文 参考訳（メタデータ） (2021-11-08T18:05:35Z) - High-dimensional separability for one- and few-shot learning [58.8599521537]
この作業は、実用的な質問、人工知能(AI)エラーの修正によって進められている。
特殊な外部デバイスである修正器が開発されている。従来のAIシステムを変更することなく、迅速かつ非イテレーティブなシステム修正を提供する必要がある。
AIシステムの新しいマルチコレクタが提示され、深層畳み込みニューラルネットワークによってエラーを予測し、新しいクラスのオブジェクトを学習する例が紹介される。
論文 参考訳（メタデータ） (2021-06-28T14:58:14Z) - Sparse PCA via $l_{2,p}$-Norm Regularization for Unsupervised Feature
Selection [138.97647716793333]
再構成誤差を$l_2,p$ノルム正規化と組み合わせることで,単純かつ効率的な特徴選択手法を提案する。
提案する非教師付きモデルを解くための効率的な最適化アルゴリズムを提案し,アルゴリズムの収束と計算の複雑さを理論的に解析する。
論文 参考訳（メタデータ） (2020-12-29T04:08:38Z) - Deep Magnification-Flexible Upsampling over 3D Point Clouds [103.09504572409449]
本稿では,高密度点雲を生成するためのエンドツーエンド学習ベースのフレームワークを提案する。
まずこの問題を明示的に定式化し、重みと高次近似誤差を判定する。
そこで我々は,高次改良とともに,統一重みとソート重みを適応的に学習する軽量ニューラルネットワークを設計する。
論文 参考訳（メタデータ） (2020-11-25T14:00:18Z) - Robust Multi-class Feature Selection via $l_{2,0}$-Norm Regularization
Minimization [6.41804410246642]
特徴選択は、データマイニングと機械学習において重要な計算処理である。
本稿では,複数クラスの特徴選択における最小二乗問題の解法として,ホモシーハードしきい値(HIHT)に基づく新しい手法を提案する。
論文 参考訳（メタデータ） (2020-10-08T02:06:06Z) - PCA Reduced Gaussian Mixture Models with Applications in Superresolution [1.885698488789676]
本稿は、このトピックに2倍のコントリビューションを提供する。
まず,モデルの各成分におけるデータ次元の減少と合わせてガウス混合モデルを提案する。
第2に,サンディープとヤコブのアプローチに基づく2次元および3次元材料画像の超解像化にPCA-GMMを適用した。
論文 参考訳（メタデータ） (2020-09-16T07:33:56Z) - Compressing Large Sample Data for Discriminant Analysis [78.12073412066698]
判別分析フレームワーク内での大きなサンプルサイズに起因する計算問題を考察する。
線形および二次判別分析のためのトレーニングサンプル数を削減するための新しい圧縮手法を提案する。
論文 参考訳（メタデータ） (2020-05-08T05:09:08Z) - Efficient Clustering for Stretched Mixtures: Landscape and Optimality [4.2111286819721485]
本稿では,2つの楕円分布の平衡混合から抽出された未ラベルのサンプルを受信する正準クラスタリング問題について考察する。
非最適クラスタリング関数は、サンプルサイズが一定の統計的目標を超えると、望ましい幾何学的性質を示す。
論文 参考訳（メタデータ） (2020-03-22T17:57:07Z) - MINA: Convex Mixed-Integer Programming for Non-Rigid Shape Alignment [77.38594866794429]
非剛体形状マッチングのための凸混合整数プログラミングの定式化。
効率的な低次元離散モデルに基づく新しい形状変形モデルを提案する。
論文 参考訳（メタデータ） (2020-02-28T09:54:06Z)
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。