論文の概要: A Novel Nearest Neighbors Algorithm Based on Power Muirhead Mean
- arxiv url: http://arxiv.org/abs/2209.01514v1
- Date: Sun, 4 Sep 2022 01:10:56 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-07 12:45:11.524643
- Title: A Novel Nearest Neighbors Algorithm Based on Power Muirhead Mean
- Title(参考訳): パワーミュアヘッド平均に基づく新しい近接近傍アルゴリズム
- Authors: Kourosh Shahnazari, Seyed Moein Ayyoubzadeh
- Abstract要約: 我々は新しい手法をPower Muirhead Mean K-Nearest Neighbors (PMM-KNN) と呼ぶ。
PMM-KNNにはいくつかのパラメータがあり、各問題に対して決定および微調整が可能である。
PMM-KNNの性能を評価するために、よく知られた5つのデータセットを使用した。
- 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 study aimed to propose a novel classifier based on K-Nearest Neighbors
which calculates the local means of every class using the Power Muirhead Mean
operator. We have called our new method Power Muirhead Mean K-Nearest Neighbors
(PMM-KNN) classifier. The PMM-KNN classifier has several parameters which can
be determined and fine-tuned for each problem that is countered as an advantage
compared to other Nearest Neighbors methods. We used five well-known datasets
to assess PMM-KNN performance. The research results demonstrate that the
PMM-KNN has outperformed some of the other classification methods.
- Abstract(参考訳): 本研究の目的は,K-Nearest Neighbors に基づく新しい分類器を提案し,パワー・ミュアヘッド平均演算子を用いて各クラスの局所的平均を計算することである。
我々は新しい手法をPower Muirhead Mean K-Nearest Neighbors (PMM-KNN) と呼ぶ。
PMM-KNN分類器は、他のNearest Neighbors法と比較した場合の利点として、各問題に対して決定および微調整できるいくつかのパラメータを持つ。
PMM-KNNの性能を評価するために、よく知られた5つのデータセットを使用した。
研究結果は、PMM-KNNが他の分類法よりも優れていることを示している。
関連論文リスト
- Information Modified K-Nearest Neighbor [0.0]
K-Nearest Neighbors (KNN) アルゴリズムの性能向上を目的とした新しい分類手法を提案する。
本手法では,重みの重要度を高め,Shapley値からインスピレーションを得るために相互情報(MI)を利用する。
提案手法の精度,精度,リコールの点から評価し,12種類の広く利用されているデータセットを用いて実験を行った。
論文 参考訳(メタデータ) (2023-12-04T16:10:34Z) - Flexible K Nearest Neighbors Classifier: Derivation and Application for
Ion-mobility Spectrometry-based Indoor Localization [0.0]
K Nearest Neighbors (KNN) は指紋による局所化や医学など多くの分野で広く使われている。
この論文では、K近傍の近傍が実際に未標識標本に近接していることを保証するKNN変異について論じる。
テストではKNNよりも高い分類精度を達成し、計算要求は同じである。
論文 参考訳(メタデータ) (2023-04-20T08:23:58Z) - RankDNN: Learning to Rank for Few-shot Learning [70.49494297554537]
本稿では、画像検索の関連性ランキングをバイナリランキング関係分類として活用する、新しい数ショット学習パイプラインを提案する。
これは、数ショットの学習に関する新しい視点を提供し、最先端の手法を補完する。
論文 参考訳(メタデータ) (2022-11-28T13:59:31Z) - Nearest Neighbor Zero-Shot Inference [68.56747574377215]
kNN-Promptは、言語モデル(LM)を用いたゼロショット推論のためのk-nearest neighbor (kNN)検索拡張手法である。
ファジィ動詞化器は、各分類ラベルを自然言語トークンのセットに自動的に関連付けることで、下流タスクのスパースkNN分布を利用する。
実験により,kNN-Promptはドメイン適応に有効であり,さらに,kNN検索に使用するモデルのサイズに応じて,検索のメリットが増加することが示された。
論文 参考訳(メタデータ) (2022-05-27T07:00:59Z) - DNNR: Differential Nearest Neighbors Regression [8.667550264279166]
K-nearest neighbors(KNN)は、機械学習において最も早く、最も確立されたアルゴリズムの1つである。
回帰タスクでは、KNNは、多くの課題を引き起こす地区内のターゲットを平均化する。
両問題に同時に対処するDNNR(differial Nearest Neighbors Regression)を提案する。
論文 参考訳(メタデータ) (2022-05-17T15:22:53Z) - Rethinking Nearest Neighbors for Visual Classification [56.00783095670361]
k-NNは、トレーニングセット内のテストイメージとトップk隣人間の距離を集約する遅延学習手法である。
我々は,教師付き手法と自己監督型手法のいずれでも,事前学習した視覚表現を持つk-NNを2つのステップで採用する。
本研究は,幅広い分類タスクに関する広範な実験により,k-NN統合の汎用性と柔軟性を明らかにした。
論文 参考訳(メタデータ) (2021-12-15T20:15:01Z) - KNN-BERT: Fine-Tuning Pre-Trained Models with KNN Classifier [61.063988689601416]
事前学習されたモデルは、クロスエントロピー損失によって最適化された線形分類器を用いて、微調整された下流タスクに広く利用されている。
これらの問題は、同じクラスの類似点と、予測を行う際の矛盾点に焦点を当てた表現を学習することで改善することができる。
本稿では、事前訓練されたモデル微調整タスクにおけるKNearest Neighborsについて紹介する。
論文 参考訳(メタデータ) (2021-10-06T06:17:05Z) - Adaptive Nearest Neighbor Machine Translation [60.97183408140499]
kNN-MTは、事前訓練されたニューラルネットワーク翻訳とトークンレベルのk-nearest-neighbor検索を組み合わせる。
従来のkNNアルゴリズムは、ターゲットトークンごとに同じ数の近傍を検索する。
ターゲットトークン毎のk個数を動的に決定する適応的kNN-MTを提案する。
論文 参考訳(メタデータ) (2021-05-27T09:27:42Z) - KNN Classification with One-step Computation [10.381276986079865]
KNN分類の遅延部分を置き換える一段階計算を提案する。
提案手法を実験的に評価し,一段階のKNN分類が効率的かつ有望であることを示した。
論文 参考訳(メタデータ) (2020-12-09T13:34:42Z) - Few-Shot Open-Set Recognition using Meta-Learning [72.15940446408824]
オープンセット認識の問題点を考察する。
新しいoPen sEt mEta LEaRning (PEELER)アルゴリズムが導入された。
論文 参考訳(メタデータ) (2020-05-27T23:49:26Z)
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。