Fugu-MT 論文翻訳(概要): Classification with Incoherent Kernel Dictionary Learning

論文の概要: Classification with Incoherent Kernel Dictionary Learning

arxiv url: http://arxiv.org/abs/2307.08796v1
Date: Mon, 17 Jul 2023 19:27:32 GMT
ステータス: 処理完了
システム内更新日: 2023-07-19 17:28:35.844226
Title: Classification with Incoherent Kernel Dictionary Learning
Title（参考訳）: 非一貫性カーネル辞書学習による分類
Authors: Denis C. Ilie-Ablachim, Bogdan Dumitrescu
Abstract要約: 辞書学習(DL)に基づく新しい分類法を提案する。主なコントリビューションは、標準線形のDLから派生した非コヒーレントDLのカーネルバージョンである。また,表現更新に関するAK-SVDアルゴリズムの改良も提案する。
参考スコア（独自算出の注目度）: 3.1981440103815717
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In this paper we present a new classification method based on Dictionary Learning (DL). The main contribution consists of a kernel version of incoherent DL, derived from its standard linear counterpart. We also propose an improvement of the AK-SVD algorithm concerning the representation update. Our algorithms are tested on several popular databases of classification problems.
Abstract（参考訳）: 本稿では,辞書学習(DL)に基づく新しい分類手法を提案する。主な貢献は、標準線形のdlから派生したincoherent dlのカーネルバージョンである。また,表現更新に関するAK-SVDアルゴリズムの改良も提案する。我々のアルゴリズムは、いくつかの一般的な分類問題のデータベースでテストされている。

関連論文リスト

Pairwise Difference Learning for Classification [19.221081896134567]
PDL(Pairwise difference learning)は、最近、回帰のための新しいメタラーニング技術として導入されている。元のトレーニングデータのペアバージョン上で、適切に定義された(バイナリ)分類問題を解くことにより、PDLを分類タスクに向けて拡張する。 PDLの実装はPythonパッケージで簡単に利用でき、公開されています。
論文参考訳（メタデータ） (2024-06-28T16:20:22Z)
Anomaly Detection with Selective Dictionary Learning [3.1981440103815717]
辞書学習(DL)とカーネル辞書学習(KDL)に基づく新しい異常検出手法を提案する。主な貢献は、既知のDLアルゴリズムとKDLアルゴリズムを非教師なしの方法で適応させることである。本稿では,大規模なカーネル行列のため,大規模なデータセットの問題に有用なカーネルバージョン(RKDL)を提案する。
論文参考訳（メタデータ） (2023-07-17T19:44:52Z)
Class-incremental Novel Class Discovery [76.35226130521758]
クラス増進型新規クラス発見(class-iNCD)の課題について検討する。基本クラスに関する過去の情報を忘れないようにする,クラスiNCDのための新しい手法を提案する。 3つの共通ベンチマークで実施した実験により,本手法が最先端の手法を著しく上回ることを示した。
論文参考訳（メタデータ） (2022-07-18T13:49:27Z)
Towards Diverse Evaluation of Class Incremental Learning: A Representation Learning Perspective [67.45111837188685]
クラスインクリメンタル学習(CIL)アルゴリズムは、インクリメンタルに到着したデータから新しいオブジェクトクラスを継続的に学習することを目的としている。表現学習における様々な評価プロトコルを用いて,CILアルゴリズムによって訓練されたニューラルネットワークモデルを実験的に解析する。
論文参考訳（メタデータ） (2022-06-16T11:44:11Z)
Generalized Reference Kernel for One-class Classification [100.53532594448048]
我々は、参照ベクトルの集合を用いて、元のベースカーネルを改善するために、新しい一般化された参照カーネルを定式化する。解析および実験結果から、新しい定式化は、カーネル自体に付加的な情報を導入し、ランクを調整し、調整するためのアプローチを提供することが示された。
論文参考訳（メタデータ） (2022-05-01T18:36:55Z)
SetConv: A New Approach for Learning from Imbalanced Data [29.366843553056594]
集合畳み込み操作とエピソード学習戦略を提案し,各クラスに1つの代表を抽出する。提案アルゴリズムは入力順序に関わらず置換不変であることを示す。
論文参考訳（メタデータ） (2021-04-03T22:33:30Z)
Binary Classification from Multiple Unlabeled Datasets via Surrogate Set Classification [94.55805516167369]
我々は m 個の U 集合を $mge2$ で二進分類する新しい手法を提案する。我々のキーとなる考え方は、サロゲート集合分類(SSC)と呼ばれる補助的分類タスクを考えることである。
論文参考訳（メタデータ） (2021-02-01T07:36:38Z)
Multitask Learning for Class-Imbalanced Discourse Classification [74.41900374452472]
マルチタスクアプローチは,現在のベンチマークで7%のマイクロf1コアを改善できることを示す。また,NLPにおける資源不足問題に対処するための追加手法の比較検討を行った。
論文参考訳（メタデータ） (2021-01-02T07:13:41Z)
Learning and Evaluating Representations for Deep One-class Classification [59.095144932794646]
ディープワンクラス分類のための2段階フレームワークを提案する。まず,一級データから自己教師付き表現を学習し,学習した表現に基づいて一級分類器を構築する。実験では、視覚領域の1クラス分類ベンチマークで最先端の性能を示す。
論文参考訳（メタデータ） (2020-11-04T23:33:41Z)
Diversity-Aware Weighted Majority Vote Classifier for Imbalanced Data [1.2944868613449219]
多様性を考慮したアンサンブル学習に基づくアルゴリズム DAMVI を提案する。本稿では, 予測保守作業, クレジットカード不正検出, ウェブページ分類, 医療応用に関する最先端モデルに関して, 提案手法の効率性を示す。
論文参考訳（メタデータ） (2020-04-16T11:27:50Z)

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。