A funcionalidade de pesquisa está em construção.
A funcionalidade de pesquisa está em construção.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Frank-Wolfe Algorithm for Learning SVM-Type Multi-Category Classifiers Algoritmo Frank-Wolfe para aprender classificadores multicategorias do tipo SVM

Kenya TAJIMA, Yoshihiro HIROHASHI, Esmeraldo ZARA, Tsuyoshi KATO

  • Exibições de texto completo

    0

  • Cite isto

Resumo:

A máquina de vetores de suporte multicategoria (MC-SVM) é um dos algoritmos de aprendizado de máquina mais populares. Existem inúmeras variantes do MC-SVM, embora diferentes algoritmos de otimização tenham sido desenvolvidos para diversas máquinas de aprendizagem. Neste estudo, desenvolvemos um novo algoritmo de otimização que pode ser aplicado a diversas variantes do MC-SVM. O algoritmo é baseado na estrutura de Frank-Wolfe que requer dois subproblemas, busca de direção e busca de linha, em cada iteração. A contribuição deste estudo é a descoberta de que ambos os subproblemas possuem solução de forma fechada se o referencial de Frank-Wolfe for aplicado ao problema dual. Além disso, as soluções de forma fechada tanto na busca de direção quanto na busca linear existem mesmo para os envelopes de Moreau das funções de perda. Usamos vários grandes conjuntos de dados para demonstrar que o algoritmo de otimização proposto converge rapidamente e, assim, melhora o desempenho do reconhecimento de padrões.

Publicação
IEICE TRANSACTIONS on Information Vol.E104-D No.11 pp.1923-1929
Data de publicação
2021/11/01
Publicitada
2021/08/11
ISSN online
1745-1361
DOI
10.1587/transinf.2021EDP7025
Tipo de Manuscrito
PAPER
Categoria
Inteligência Artificial, Mineração de Dados

autores

Kenya TAJIMA
  Gunma University
Yoshihiro HIROHASHI
  
Esmeraldo ZARA
  Gunma University
Tsuyoshi KATO
  Gunma University

Palavra-chave