論文の概要: More Consideration for the Perceptron

• arxiv url: http://arxiv.org/abs/2409.13854v2
• Date: Tue, 24 Sep 2024 10:57:14 GMT
• ステータス: 処理完了
• システム内更新日: 2024-11-07 04:50:50.916306
• Title: More Consideration for the Perceptron
• Title（参考訳）: 知覚論のさらなる考察
• Authors: Slimane Larabi,
• Abstract要約: 既存の入力の積として計算された追加入力を組み込んだ従来のパーセプトロンの強化であるゲートパーセプトロンを導入する。 これにより、パーセプトロンは機能間の非線形相互作用をキャプチャし、複雑なデータセットの分類と回帰の能力を大幅に改善する。
• 参考スコア（独自算出の注目度）: 0.6345523830122166
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: In this paper, we introduce the gated perceptron, an enhancement of the conventional perceptron, which incorporates an additional input computed as the product of the existing inputs. This allows the perceptron to capture non-linear interactions between features, significantly improving its ability to classify and regress on complex datasets. We explore its application in both linear and non-linear regression tasks using the Iris dataset, as well as binary and multi-class classification problems, including the PIMA Indian dataset and Breast Cancer Wisconsin dataset. Our results demonstrate that the gated perceptron can generate more distinct decision regions compared to traditional perceptrons, enhancing its classification capabilities, particularly in handling non-linear data. Performance comparisons show that the gated perceptron competes with state-of-the-art classifiers while maintaining a simple architecture.
• Abstract（参考訳）: 本稿では、従来のパーセプトロンの強化であるゲートパーセプトロンを導入し、既存の入力の積として計算された追加入力を組み込む。 これにより、パーセプトロンは機能間の非線形相互作用をキャプチャし、複雑なデータセットの分類と回帰の能力を大幅に改善する。 我々は、Irisデータセットを用いた線形および非線形回帰タスクと、PIMAインディアンデータセットや乳がんウィスコンシンデータセットを含むバイナリクラスとマルチクラス分類問題の両方に適用について検討する。 以上の結果から,ゲートパーセプトロンは従来のパーセプトロンと比較して,より明確な決定領域を生成でき,特に非線形データを扱う際に,その分類能力を向上できることが示された。 性能比較では、ゲートパーセプトロンは単純なアーキテクチャを維持しながら最先端の分類器と競合することを示している。

関連論文リスト

• ResiDual Transformer Alignment with Spectral Decomposition [31.14332778586179]
  我々は、残像のスペクトル幾何学に着目し、視覚変換器の現象を解析する。 様々な入力データ分布にまたがる特殊な役割をエンコードしていることを示す。 本稿では,残流のスペクトルアライメント技術であるResiDualを紹介する。
  論文  参考訳（メタデータ） (2024-10-31T22:51:45Z)
• Localized Gaussians as Self-Attention Weights for Point Clouds Correspondence [92.07601770031236]
  本稿では,エンコーダのみのトランスフォーマーアーキテクチャのアテンションヘッドにおける意味的意味パターンについて検討する。 注意重みの修正はトレーニングプロセスの促進だけでなく,最適化の安定性の向上にも寄与する。
  論文  参考訳（メタデータ） (2024-09-20T07:41:47Z)
• A Pure Transformer Pretraining Framework on Text-attributed Graphs [50.833130854272774]
  グラフ構造を先行として扱うことで,特徴中心の事前学習の視点を導入する。 我々のフレームワークであるGraph Sequence Pretraining with Transformer (GSPT)はランダムウォークを通してノードコンテキストをサンプリングする。 GSPTはノード分類とリンク予測の両方に容易に適応でき、様々なデータセットで有望な経験的成功を示す。
  論文  参考訳（メタデータ） (2024-06-19T22:30:08Z)
• On Linear Separation Capacity of Self-Supervised Representation Learning [0.5827521884806071]
  自己教師型学習の最近の進歩は、ラベルのないデータからデータ表現を学習する際のデータ拡張の有効性を強調している。 本稿では,データ拡張により非線形データ構造を線形分離可能な表現に展開する機構について検討する。
  論文  参考訳（メタデータ） (2023-10-29T15:08:35Z)
• Enhancing Visual Perception in Novel Environments via Incremental Data Augmentation Based on Style Transfer [2.516855334706386]
  未知の未知"は、現実のシナリオにおける自律的なエージェントデプロイメントに挑戦する。 提案手法は,変分プロトタイピング(VPE)を利用して,新規入力を積極的に識別し,処理することで視覚知覚を向上させる。 本研究は,ドメイン固有の拡張戦略に生成モデルを組み込むことの潜在的な利点を示唆する。
  論文  参考訳（メタデータ） (2023-09-16T03:06:31Z)
• Regularization Through Simultaneous Learning: A Case Study on Plant Classification [0.0]
  本稿では,トランスファーラーニングとマルチタスクラーニングの原則に基づく正規化アプローチである同時学習を紹介する。 我々は、ターゲットデータセットであるUFOP-HVDの補助データセットを活用し、カスタマイズされた損失関数でガイドされた同時分類を容易にする。 興味深いことに,本手法は正規化のないモデルよりも優れた性能を示す。
  論文  参考訳（メタデータ） (2023-05-22T19:44:57Z)
• Linking data separation, visual separation, and classifier performance using pseudo-labeling by contrastive learning [125.99533416395765]
  最終分類器の性能は、潜在空間に存在するデータ分離と、射影に存在する視覚的分離に依存すると論じる。 本研究は,ヒト腸管寄生虫の5つの現実的課題の画像データセットを1%の教師付きサンプルで分類し,その結果を実証する。
  論文  参考訳（メタデータ） (2023-02-06T10:01:38Z)
• Interpolation-based Correlation Reduction Network for Semi-Supervised Graph Learning [49.94816548023729]
  補間型相関低減ネットワーク(ICRN)と呼ばれる新しいグラフコントラスト学習手法を提案する。 提案手法では,決定境界のマージンを大きくすることで,潜在特徴の識別能力を向上させる。 この2つの設定を組み合わせることで、豊富なラベル付きノードと稀に価値あるラベル付きノードから豊富な監視情報を抽出し、離散表現学習を行う。
  論文  参考訳（メタデータ） (2022-06-06T14:26:34Z)
• Adversarial Feature Augmentation and Normalization for Visual Recognition [109.6834687220478]
  最近のコンピュータビジョンの進歩は、分類モデルの一般化能力を改善するために、逆データ拡張を利用する。 本稿では,中間的特徴埋め込みにおける敵対的拡張を提唱する効率的かつ効率的な代替手法を提案する。 代表的なバックボーンネットワークを用いて,多様な視覚認識タスクにまたがる提案手法を検証する。
  論文  参考訳（メタデータ） (2021-03-22T20:36:34Z)
• Attention that does not Explain Away [54.42960937271612]
  Transformerアーキテクチャに基づくモデルは、大規模なタスクに対して競合するアーキテクチャに基づくモデルよりも精度が高い。 Transformerのユニークな特徴は、任意の距離で自由な情報の流れを可能にする自己認識機構の普遍的な応用である。 本稿では,実装が簡単で,"説明的回避"効果を避けるための理論的保証を提供する,二重正規化アテンション方式を提案する。
  論文  参考訳（メタデータ） (2020-09-29T21:05:39Z)

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。