論文の概要: A Parameter-free Adaptive Resonance Theory-based Topological Clustering Algorithm Capable of Continual Learning

• arxiv url: http://arxiv.org/abs/2305.01507v2
• Date: Wed, 3 May 2023 01:58:25 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-04 11:13:13.929623
• Title: A Parameter-free Adaptive Resonance Theory-based Topological Clustering Algorithm Capable of Continual Learning
• Title（参考訳）: 連続学習が可能なパラメータフリー適応共振理論に基づくトポロジカルクラスタリングアルゴリズム
• Authors: Naoki Masuyama, Takanori Takebayashi, Yusuke Nojima, Chu Kiong Loo, Hisao Ishibuchi, Stefan Wermter
• Abstract要約: 本稿では,パラメータ推定手法を導入して連続学習が可能な,パラメータフリーのARTに基づく新しいトポロジクラスタリングアルゴリズムを提案する。 合成および実世界のデータセットによる実験結果から,提案アルゴリズムはパラメータの事前特定なしに,最先端のクラスタリングアルゴリズムよりも優れたクラスタリング性能を有することが示された。
• 参考スコア（独自算出の注目度）: 20.995946115633963
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: In general, a similarity threshold (i.e., a vigilance parameter) for a node learning process in Adaptive Resonance Theory (ART)-based algorithms has a significant impact on clustering performance. In addition, an edge deletion threshold in a topological clustering algorithm plays an important role in adaptively generating well-separated clusters during a self-organizing process. In this paper, we propose a new parameter-free ART-based topological clustering algorithm capable of continual learning by introducing parameter estimation methods. Experimental results with synthetic and real-world datasets show that the proposed algorithm has superior clustering performance to the state-of-the-art clustering algorithms without any parameter pre-specifications.
• Abstract（参考訳）: 一般に、適応共振理論(ART)に基づくアルゴリズムにおけるノード学習プロセスの類似性しきい値(すなわち警戒パラメータ)はクラスタリング性能に大きな影響を及ぼす。 さらに、トポロジカルクラスタリングアルゴリズムにおけるエッジ削除しきい値が、自己組織化プロセス中に適切に分離されたクラスタを生成する上で重要な役割を果たす。 本稿では,パラメータ推定手法を導入することで,連続学習が可能なパラメータフリーなアートベーストポロジカルクラスタリングアルゴリズムを提案する。 合成および実世界のデータセットを用いた実験の結果,提案アルゴリズムは,パラメータを事前に指定することなく,最先端のクラスタリングアルゴリズムよりも優れたクラスタリング性能を示す。

関連論文リスト

• A3S: A General Active Clustering Method with Pairwise Constraints [66.74627463101837]
  A3Sは、適応クラスタリングアルゴリズムによって得られる初期クラスタ結果に対して、戦略的にアクティブクラスタリングを調整する。 さまざまな実世界のデータセットにわたる広範な実験において、A3Sは、人間のクエリを著しく少なくして、望ましい結果を達成する。
  論文  参考訳（メタデータ） (2024-07-14T13:37:03Z)
• Improved Algorithms for Neural Active Learning [74.89097665112621]
  非パラメトリックストリーミング設定のためのニューラルネットワーク(NN)ベースの能動学習アルゴリズムの理論的および経験的性能を改善する。 本研究では,SOTA(State-of-the-art (State-the-art)) 関連研究で使用されるものよりも,アクティブラーニングに適する人口減少を最小化することにより,2つの後悔の指標を導入する。
  論文  参考訳（メタデータ） (2022-10-02T05:03:38Z)
• Class-wise Classifier Design Capable of Continual Learning using Adaptive Resonance Theory-based Topological Clustering [4.772368796656325]
  本稿では,適応共振(ART)に基づく自己組織クラスタリングアルゴリズムを用いて,継続学習が可能な教師付き分類アルゴリズムを提案する。 ARTベースのクラスタリングアルゴリズムは理論的には連続的な学習が可能である。 提案アルゴリズムは、継続学習が可能な最先端クラスタリングに基づく分類アルゴリズムと比較して、優れた分類性能を有する。
  論文  参考訳（メタデータ） (2022-03-18T11:43:12Z)
• Gradient Based Clustering [72.15857783681658]
  本稿では,クラスタリングの品質を計測するコスト関数の勾配を用いて,距離に基づくクラスタリングの一般的な手法を提案する。 アプローチは反復的な2段階の手順(クラスタ割り当てとクラスタセンターのアップデートの代替)であり、幅広い機能に適用できる。
  論文  参考訳（メタデータ） (2022-02-01T19:31:15Z)
• Adaptive Resonance Theory-based Topological Clustering with a Divisive Hierarchical Structure Capable of Continual Learning [8.581682204722894]
  本稿では、データポイントの分布から類似度閾値を自動的に推定する機構を備えたARTベースのトポロジカルクラスタリングアルゴリズムを提案する。 情報抽出性能を向上させるために,連続学習が可能な分割階層クラスタリングアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-01-26T02:34:52Z)
• An iterative clustering algorithm for the Contextual Stochastic Block Model with optimality guarantees [4.007017852999008]
  本稿では,ノードの側情報を持つクラスタネットワークに対して,新たな反復アルゴリズムを提案する。 このアルゴリズムは文脈対称性ブロックモデルの下で最適であることを示す。
  論文  参考訳（メタデータ） (2021-12-20T12:04:07Z)
• Fractal Structure and Generalization Properties of Stochastic Optimization Algorithms [71.62575565990502]
  最適化アルゴリズムの一般化誤差は、その一般化尺度の根底にあるフラクタル構造の複雑性'にバウンドできることを示す。 さらに、特定の問題(リニア/ロジスティックレグレッション、隠れ/層ニューラルネットワークなど)とアルゴリズムに対して、結果をさらに専門化します。
  論文  参考訳（メタデータ） (2021-06-09T08:05:36Z)
• Unsupervised Clustered Federated Learning in Complex Multi-source Acoustic Environments [75.8001929811943]
  現実的で挑戦的なマルチソース・マルチルーム音響環境を導入する。 本稿では,音響シーンの変動を考慮したクラスタリング制御手法を提案する。 提案手法はクラスタリングに基づく測度を用いて最適化され,ネットワークワイド分類タスクによって検証される。
  論文  参考訳（メタデータ） (2021-06-07T14:51:39Z)
• Online Deterministic Annealing for Classification and Clustering [0.0]
  本稿では,クラスタリングと分類のためのオンラインプロトタイプベースの学習アルゴリズムを提案する。 本稿では,提案アルゴリズムが競合学習ニューラルネットワークを構成することを示し,その学習規則をオンライン近似アルゴリズムとして定式化する。
  論文  参考訳（メタデータ） (2021-02-11T04:04:21Z)
• A self-adaptive and robust fission clustering algorithm via heat diffusion and maximal turning angle [4.246818236277977]
  近年,新しい高速クラスタリングアルゴリズムであるフィッションクラスタリングアルゴリズムが提案されている。 本稿では,ロバスト・フィッション・クラスタリング(RFC)アルゴリズムと自己適応型雑音識別手法を提案する。
  論文  参考訳（メタデータ） (2021-02-07T13:16:47Z)
• Scalable Hierarchical Agglomerative Clustering [65.66407726145619]
  既存のスケーラブルな階層的クラスタリング手法は、スピードの質を犠牲にする。 我々は、品質を犠牲にせず、数十億のデータポイントまでスケールする、スケーラブルで集約的な階層的クラスタリング法を提案する。
  論文  参考訳（メタデータ） (2020-10-22T15:58:35Z)

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。