|
ИСТИНА |
Войти в систему Регистрация |
ИСТИНА ЦЭМИ РАН |
||
Вариационный метод релевантных векторов для задач классификации и регрессии с многомерными массивами признаковстатья
Статья опубликована в журнале из списка RSCI Web of Science
Статья опубликована в журнале из перечня ВАК- Автор: Кропотов Д.А.
- Журнал: Журнал вычислительной математики и математической физики
- Том: 51
- Номер: 8
- Год издания: 2011
- Издательство: ФГБУ "Издательство "Наука"
- Местоположение издательства: Москва
- Первая страница: 1
- Последняя страница: 20
- Аннотация: Рассматриваются задачи классификации и восстановления регрессии, в которых объекты представлены многомерными массивами признаков. К задачам такого вида сводятся многие практические постановки, например часто используемый в анализе изображений подход к описанию изображений в виде набора блоков и набора дескрипторов в каждом блоке или описание объекта как набор расстояний от этого объекта до некоторого количества опорных объектов, взятых по некоторому набору исходных признаков. Для решения задач с такими объектами предложено обобщение модели релевантных векторов. Здесь свои коэффициенты регуляризации вводятся для каждой размерности многомерного массива описаний объектов, а итоговый коэффициент регуляризации для заданного элемента в многомерном массиве определяется как комбинация коэффициентов регуляризации для всех размерностей. В каче стве комбинаций рассмотрены модели с суммой и произведением. Для обучения в этих моде лях предложены алгоритмы на основе вариационного подхода. Эти алгоритмы позволяют на ходить так называемые “разреженные” решения, т.е. исключать из рассмотрения нерелевант ные размерности в многомерном массиве описаний объектов. По сравнению с классической моделью релевантных векторов, в предлагаемом подходе происходит сокращение количества настраиваемых параметров: вместо произведения всех размерностей рассматривается сумма. В результате метод становится более устойчивым к переобучению на выборках с небольшим числом объектов. Последнее свойство, а также разреженность получаемых решений в пред лагаемых моделях продемонстрированы в экспериментах, в том числе для известной базы данных по идентификации лиц в произвольных условиях Labeled Faces in the Wild.
- Добавил в систему: Кропотов Дмитрий Александрович