Fugu-MT 論文翻訳(概要): Classifier Chain Networks for Multi-Label Classification

論文の概要: Classifier Chain Networks for Multi-Label Classification

arxiv url: http://arxiv.org/abs/2411.02638v1
Date: Mon, 04 Nov 2024 21:56:13 GMT
ステータス: 翻訳完了
システム内更新日: 2024-11-06 15:01:26.334522
Title: Classifier Chain Networks for Multi-Label Classification
Title（参考訳）: マルチラベル分類のための分類チェインネットワーク
Authors: Daniel J. W. Touw, Michel van de Velden,
Abstract要約: 分類器チェーンは、多ラベルデータセットを解析するのに広く用いられる手法である。連鎖の一般化として,分類器チェーンネットワークを導入する。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: The classifier chain is a widely used method for analyzing multi-labeled data sets. In this study, we introduce a generalization of the classifier chain: the classifier chain network. The classifier chain network enables joint estimation of model parameters, and allows to account for the influence of earlier label predictions on subsequent classifiers in the chain. Through simulations, we evaluate the classifier chain network's performance against multiple benchmark methods, demonstrating competitive results even in scenarios that deviate from its modeling assumptions. Furthermore, we propose a new measure for detecting conditional dependencies between labels and illustrate the classifier chain network's effectiveness using an empirical data set.
Abstract（参考訳）: 分類器チェーンは、多ラベルデータセットを解析するのに広く用いられる手法である。本研究では,分類器チェーンネットワークという分類器チェーンの一般化を紹介する。分類器チェーンネットワークはモデルパラメータの合同推定を可能にし、初期のラベル予測がその後の分類器に与える影響を考慮できる。シミュレーションにより、複数のベンチマーク手法に対して分類器チェーンネットワークの性能を評価し、モデル化の前提から逸脱したシナリオにおいても競合する結果を示す。さらに,ラベル間の条件依存を検出するための新しい尺度を提案し,経験的データセットを用いて分類器チェーンネットワークの有効性を示す。

関連論文リスト

Retrieval-Augmented Classification with Decoupled Representation [31.662843145399044]
そこで本研究では,KNN(Kk$-nearest-neighbor)に基づく拡張分類検索手法を提案する。分類と検索の共有表現がパフォーマンスを損なうことや,トレーニングの不安定化につながることが判明した。本手法は,幅広い分類データセットを用いて評価する。
論文参考訳（メタデータ） (2023-03-23T06:33:06Z)
Anomaly Detection using Ensemble Classification and Evidence Theory [62.997667081978825]
本稿では,アンサンブル分類とエビデンス理論を用いた新しい検出手法を提案する。固体アンサンブル分類器を構築するためのプール選択戦略が提示される。我々は異常検出手法の不確実性を利用する。
論文参考訳（メタデータ） (2022-12-23T00:50:41Z)
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)
Using Representation Expressiveness and Learnability to Evaluate Self-Supervised Learning Methods [61.49061000562676]
本稿では,学習可能性を評価するためにCluster Learnability (CL)を導入する。 CLは、K-meansで表現をクラスタリングすることによって得られたラベルを予測するために訓練されたKNNのパフォーマンスで測定される。 CLは、他の競合する評価手法よりも分布内モデルの性能と相関することがわかった。
論文参考訳（メタデータ） (2022-06-02T19:05:13Z)
A Three-phase Augmented Classifiers Chain Approach Based on Co-occurrence Analysis for Multi-Label Classification [0.0]
既存のChainsメソッドは、ラベル空間の基盤となる依存性をモデル化し、利用するのは難しい。マルチラベル分類のための共起解析に基づく3相拡張チェイン手法を提案する。
論文参考訳（メタデータ） (2022-04-13T02:10:14Z)
Self-Certifying Classification by Linearized Deep Assignment [65.0100925582087]
そこで我々は,PAC-Bayesリスク認定パラダイム内で,グラフ上のメトリックデータを分類するための新しい深層予測器のクラスを提案する。 PAC-Bayesの最近の文献とデータに依存した先行研究に基づいて、この手法は仮説空間上の後続分布の学習を可能にする。
論文参考訳（メタデータ） (2022-01-26T19:59:14Z)
Visualizing Classifier Adjacency Relations: A Case Study in Speaker Verification and Voice Anti-Spoofing [72.4445825335561]
任意のバイナリ分類器によって生成される検出スコアから2次元表現を導出する簡単な方法を提案する。ランク相関に基づいて,任意のスコアを用いた分類器の視覚的比較を容易にする。提案手法は完全に汎用的であり,任意の検出タスクに適用可能だが,自動話者検証と音声アンチスプーフィングシステムによるスコアを用いた手法を実証する。
論文参考訳（メタデータ） (2021-06-11T13:03:33Z)
GAN for Vision, KG for Relation: a Two-stage Deep Network for Zero-shot Action Recognition [33.23662792742078]
ゼロショット動作認識のための2段階のディープニューラルネットワークを提案する。サンプリング段階では,授業の動作特徴と単語ベクトルによって訓練されたGAN(Generative Adversarial Network)を利用する。分類段階において、アクションクラスの単語ベクトルと関連するオブジェクトの関係に基づいて知識グラフを構築する。
論文参考訳（メタデータ） (2021-05-25T09:34:42Z)
A Multiple Classifier Approach for Concatenate-Designed Neural Networks [13.017053017670467]
私たちは、ネットワークセット間で生成された特徴を収集する分類器の設計を与えます。我々はL2正規化法を用いて、Softmax Denseの代わりに分類スコアを得る。その結果、提案された分類器は実験ケースの精度を向上させることができる。
論文参考訳（メタデータ） (2021-01-14T04:32:40Z)
Interpretable Sequence Classification via Discrete Optimization [26.899228003677138]
医療監視や侵入検知といった多くの応用において、早期分類は介入を促すために不可欠である。本研究では、進化する観測トレースから早期分類を好む配列分類器を学習する。我々の分類器は解釈可能であり, 説明, 反実的推論, 人為的ループ修正を行う。
論文参考訳（メタデータ） (2020-10-06T15:31:07Z)
Certified Robustness to Label-Flipping Attacks via Randomized Smoothing [105.91827623768724]
機械学習アルゴリズムは、データ中毒攻撃の影響を受けやすい。任意の関数に対するランダム化スムージングの統一的なビューを示す。本稿では,一般的なデータ中毒攻撃に対して,ポイントワイズで確実に堅牢な分類器を構築するための新しい戦略を提案する。
論文参考訳（メタデータ） (2020-02-07T21:28:30Z)

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。