Fugu-MT 論文翻訳(概要): From Linear to Spline-Based Classification:Developing and Enhancing SMPA for Noisy Non-Linear Datasets

論文の概要: From Linear to Spline-Based Classification:Developing and Enhancing SMPA for Noisy Non-Linear Datasets

arxiv url: http://arxiv.org/abs/2503.10545v1
Date: Thu, 13 Mar 2025 16:58:40 GMT
ステータス: 翻訳完了
システム内更新日: 2025-03-14 15:51:48.210075
Title: From Linear to Spline-Based Classification:Developing and Enhancing SMPA for Noisy Non-Linear Datasets
Title（参考訳）: 線形分類からスプライン分類へ:雑音非線形データセットのためのSMPAの開発と強化
Authors: Vatsal Srivastava,
Abstract要約: MPAの分類性能と、元のアルゴリズムにおけるいくつかのマイナーな開発について検討する。次に、類似の学習機構を用いた分類に立方体スプラインを用いることの背景にある概念について議論し、既知の特性を持つ合成データセットのトレーニング結果を解析する。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: Building upon the concepts and mechanisms used for the development in Moving Points Algorithm, we will now explore how non linear decision boundaries can be developed for classification tasks. First we will look at the classification performance of MPA and some minor developments in the original algorithm. We then discuss the concepts behind using cubic splines for classification with a similar learning mechanism and finally analyze training results on synthetic datasets with known properties.
Abstract（参考訳）: 移動点アルゴリズムの開発に使用される概念とメカニズムに基づいて,非線形決定境界を分類タスクに組み込む方法について検討する。まず、MPAの分類性能と、元のアルゴリズムにおけるいくつかのマイナーな発展について考察する。次に、類似の学習機構を用いた分類に立方体スプラインを用いることの背景にある概念について論じ、最終的に既知の特性を持つ合成データセットのトレーニング結果を解析する。

関連論文リスト

Autoencoded UMAP-Enhanced Clustering for Unsupervised Learning [49.1574468325115]
本稿では,低次元空間にデータを非線形に埋め込み,次に従来のクラスタリングアルゴリズムを用いて非教師なし学習を行う手法を提案する。この埋め込みはデータのクラスタビリティを促進し、オートエンコーダニューラルネットワークのエンコーダとUMAPアルゴリズムの出力の2つのマッピングで構成されている。 MNISTデータに適用した場合、AUECはクラスタリング精度において最先端技術よりも大幅に優れている。
論文参考訳（メタデータ） (2025-01-13T22:30:38Z)
The Cascaded Forward Algorithm for Neural Network Training [61.06444586991505]
本稿では,ニューラルネットワークのための新しい学習フレームワークであるCascaded Forward(CaFo)アルゴリズムを提案する。 FFとは異なり、我々のフレームワークは各カスケードブロックのラベル分布を直接出力する。我々のフレームワークでは、各ブロックは独立して訓練できるので、並列加速度システムに容易に展開できる。
論文参考訳（メタデータ） (2023-03-17T02:01:11Z)
Learning disentangled representations for explainable chest X-ray classification using Dirichlet VAEs [68.73427163074015]
本研究では,胸部X線像の非絡み合った潜在表現の学習にDirVAE(Dirichlet Variational Autoencoder)を用いることを検討した。 DirVAEモデルにより学習された多モード潜在表現の予測能力について,補助的多ラベル分類タスクの実装により検討した。
論文参考訳（メタデータ） (2023-02-06T18:10:08Z)
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)
Structure-Aware Feature Generation for Zero-Shot Learning [108.76968151682621]
潜在空間と生成ネットワークの両方を学習する際の位相構造を考慮し,SA-GANと呼ばれる新しい構造認識特徴生成手法を提案する。本手法は,未確認クラスの一般化能力を大幅に向上させ,分類性能を向上させる。
論文参考訳（メタデータ） (2021-08-16T11:52:08Z)
Neural Architecture Search of Deep Priors: Towards Continual Learning without Catastrophic Interference [2.922007656878633]
我々は, 線形分類を完全訓練された深層構造と同等に行うことができるような, より深い事前のランダムな重み構造を見つけることができることを示す。連続学習の拡張として, 破滅的干渉のないインクリメンタル学習の可能性を検討する。
論文参考訳（メタデータ） (2021-04-14T11:25:30Z)
An evidential classifier based on Dempster-Shafer theory and deep learning [6.230751621285322]
Dempster-Shafer(DS)理論に基づく新しい分類システムと、集合値分類のための畳み込みニューラルネットワーク(CNN)アーキテクチャを提案する。画像認識,信号処理,セマンティック-リレーションシップ分類タスクに関する実験では,深部CNN,DS層,期待されるユーティリティ層の組み合わせにより,分類精度の向上が図られている。
論文参考訳（メタデータ） (2021-03-25T01:29:05Z)
Improving Deep Learning Sound Events Classifiers using Gram Matrix Feature-wise Correlations [1.2891210250935146]
本手法では,一般CNNの全てのアクティベーションを分析し,Gram Matricesを用いて特徴表現を生成する。提案手法はどのCNNにも適用可能であり,2つのデータセット上で4つの異なるアーキテクチャを実験的に評価した結果,ベースラインモデルが一貫して改善されることが示された。
論文参考訳（メタデータ） (2021-02-23T16:08:02Z)
Reinforcement Learning as Iterative and Amortised Inference [62.997667081978825]
我々は、この制御を推論フレームワークとして使用し、償却および反復推論に基づく新しい分類スキームを概説する。この観点から、比較的探索されていないアルゴリズム設計空間の一部を特定できることを示す。
論文参考訳（メタデータ） (2020-06-13T16:10:03Z)
Learning Class Regularized Features for Action Recognition [68.90994813947405]
本稿では,階層活性化のクラスベース正規化を行うクラス正規化手法を提案する。動作認識に最先端CNNアーキテクチャのクラス正規化ブロックを用いることで,Kineetics,UCF-101,HMDB-51データセットにおいて,それぞれ1.8%,1.2%,1.4%の体系的改善が得られた。
論文参考訳（メタデータ） (2020-02-07T07:27:49Z)

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。