Fugu-MT 論文翻訳(概要): Persistence kernels for classification: A comparative study

論文の概要: Persistence kernels for classification: A comparative study

arxiv url: http://arxiv.org/abs/2408.07090v1
Date: Fri, 9 Aug 2024 14:16:31 GMT
ステータス: 処理完了
システム内更新日: 2024-08-15 15:18:29.459352
Title: Persistence kernels for classification: A comparative study
Title（参考訳）: パーシステンスカーネルの分類 : 比較研究
Authors: Cinzia Bandiziol, Stefano De Marchi,
Abstract要約: 本研究の目的は、様々な分類問題に適用される異なる永続カーネルの比較研究である。 5つの異なるカーネルを導入し、各データセットの分類性能を比較した。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/publicdomain/zero/1.0/
Abstract: The aim of the present work is a comparative study of different persistence kernels applied to various classification problems. After some necessary preliminaries on homology and persistence diagrams, we introduce five different kernels that are then used to compare their performances of classification on various datasets. We also provide the Python codes for the reproducibility of results.
Abstract（参考訳）: 本研究の目的は、様々な分類問題に適用される異なる永続カーネルの比較研究である。ホモロジーとパーシステンス・ダイアグラムに関するいくつかの必要な予備研究の後、我々は5つの異なるカーネルを導入し、様々なデータセットの分類性能を比較した。また、結果の再現性のためのPythonコードも提供します。

関連論文リスト

Gini Coefficient as a Unified Metric for Evaluating Many-versus-Many Similarity in Vector Spaces [0.0]
Gini係数が最も高い画像は互いに最もよく似ている傾向を示し、Gini係数が最も低い画像は最もよく似ていることを示す。また、テストデータセットの分布と密に一致した機械学習トレーニングサンプルを選択することは、データの多様性を保証することよりもはるかに重要であることも示しています。
論文参考訳（メタデータ） (2024-11-12T18:08:45Z)
Convolutional autoencoder-based multimodal one-class classification [80.52334952912808]
1クラス分類は、単一のクラスからのデータを用いた学習のアプローチを指す。マルチモーダルデータに適した深層学習一クラス分類法を提案する。
論文参考訳（メタデータ） (2023-09-25T12:31:18Z)
Improving Primate Sounds Classification using Binary Presorting for Deep Learning [6.044912425856236]
本稿では,MELスペクトル表現のサブセグメンテーションを初めてリラベルする一般化アプローチを提案する。バイナリプリソートと分類の両方において、畳み込みニューラルネットワーク(CNN)と様々なデータ拡張技術を利用する。本研究は,異なる霊長類種の音の分類を課題とする,挑戦的なTextitComparE 2021データセットについて,本手法の結果を紹介する。
論文参考訳（メタデータ） (2023-06-28T09:35:09Z)
Parametric Classification for Generalized Category Discovery: A Baseline Study [70.73212959385387]
Generalized Category Discovery (GCD)は、ラベル付きサンプルから学習した知識を用いて、ラベルなしデータセットで新しいカテゴリを発見することを目的としている。パラメトリック分類器の故障を調査し,高品質な監視が可能であった場合の過去の設計選択の有効性を検証し,信頼性の低い疑似ラベルを重要課題として同定する。エントロピー正規化の利点を生かし、複数のGCDベンチマークにおける最先端性能を実現し、未知のクラス数に対して強いロバスト性を示す、単純で効果的なパラメトリック分類法を提案する。
論文参考訳（メタデータ） (2022-11-21T18:47:11Z)
Classification of Stochastic Processes with Topological Data Analysis [3.42658286826597]
本研究では,工学的トポロジカルな特徴が,異なるノイズ特性を持つ異なるプロセスからサンプリングされた時系列を識別できるかどうかを検討する。統計的特徴と生の特徴に基づいて構築された同じ分類課題の結果と比較した。
論文参考訳（メタデータ） (2022-06-08T15:44:53Z)
Multi-head Knowledge Distillation for Model Compression [65.58705111863814]
そこで本研究では,中間層における特徴マッチングのための補助分類器を用いた簡易実装法を提案する。提案手法は,本論文で提示された従来手法よりも優れていることを示す。
論文参考訳（メタデータ） (2020-12-05T00:49:14Z)
PK-GCN: Prior Knowledge Assisted Image Classification using Graph Convolution Networks [3.4129083593356433]
クラス間の類似性は、分類のパフォーマンスに影響を与える可能性がある。本稿では,クラス類似性の知識を畳み込みニューラルネットワークモデルに組み込む手法を提案する。実験結果から, 利用可能なデータの量が少ない場合には, 分類精度が向上することが示唆された。
論文参考訳（メタデータ） (2020-09-24T18:31:35Z)
Dataset Bias in Few-shot Image Recognition [57.25445414402398]
まず,基本カテゴリから学習した伝達可能能力の影響について検討する。第2に、データセット構造と異なる少数ショット学習方法から、異なるデータセットのパフォーマンス差について検討する。
論文参考訳（メタデータ） (2020-08-18T14:46:23Z)
Learning from Aggregate Observations [82.44304647051243]
本研究では,一組のインスタンスに監視信号が与えられる集合観察から学習する問題について検討する。本稿では,多種多様な集合観測に適合する一般的な確率的枠組みを提案する。単純な極大解は様々な微分可能なモデルに適用できる。
論文参考訳（メタデータ） (2020-04-14T06:18:50Z)
A Systematic Evaluation: Fine-Grained CNN vs. Traditional CNN Classifiers [54.996358399108566]
本稿では,大規模分類データセット上でトップノーチ結果を示すランドマーク一般的なCNN分類器の性能について検討する。最先端のきめ細かい分類器と比較する。実験において, 粒度の細かい分類器がベースラインを高められるかどうかを判定するために, 6つのデータセットについて広範囲に評価する。
論文参考訳（メタデータ） (2020-03-24T23:49:14Z)

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。