Cookies y Privacidad
Usamos cookies propias y de terceros para mejorar la experiencia de nuestros usuarios, analizar el tráfico del sitio y personalizar contenido. Si continúas navegando, asumimos que aceptas su uso. Para más información, consulta nuestra Política de Cookies
Adaptación de dominios basada en el autocodificador ELM
Proponemos un nuevo algoritmo de adaptación de dominios basado en el autoencoder ELM (ELM-AE) que describe los subespacios de los dominios de origen y destino mediante ELM-AE y, a continuación, lleva a cabo la alineación de subespacios para proyectar diferentes dominios en un nuevo espacio común. Aprovechando la capacidad de aproximación no lineal y la eficiente capacidad de aprendizaje de una sola pasada de ELM-AE, el algoritmo de adaptación de dominios propuesto puede buscar de forma eficiente una mejor representación de características entre dominios que los enfoques de representación de características lineales como PCA para mejorar el rendimiento de la adaptación de dominios. Los amplios resultados experimentales sobre los conjuntos de datos Office/Caltech-256 muestran que el algoritmo propuesto puede lograr una mejor precisión de clasificación que el algoritmo de alineación de subespacios PCA y otros algoritmos de adaptación de dominios del estado del arte en la mayoría de los casos.
Autores: Wan-Yu, Deng; Yu-Tao, Qu; Qian, Zhang
Idioma: Inglés
Editor: Hindawi
Año: 2017
Disponible con Suscripción Virtualpro
Artículos
Categoría
Matemáticas
Licencia
Atribución – Compartir igual
Consultas: 6
Citaciones: Sin citaciones
Hindawi
Mathematical Problems in Engineering
Volume 2017, Article ID 1239164, 8 pages
https://doi.org/10.1155/2017/1239164
Wan-Yu Deng 1, Yu-Tao Qu 1, Qian Zhang 1
, China
Academic Editor: Jason Gu
Contact: mpe@hindawi.com
Proponemos un nuevo algoritmo de adaptación de dominios basado en el autoencoder ELM (ELM-AE) que describe los subespacios de los dominios de origen y destino mediante ELM-AE y, a continuación, lleva a cabo la alineación de subespacios para proyectar diferentes dominios en un nuevo espacio común. Aprovechando la capacidad de aproximación no lineal y la eficiente capacidad de aprendizaje de una sola pasada de ELM-AE, el algoritmo de adaptación de dominios propuesto puede buscar de forma eficiente una mejor representación de características entre dominios que los enfoques de representación de características lineales como PCA para mejorar el rendimiento de la adaptación de dominios. Los amplios resultados experimentales sobre los conjuntos de datos Office/Caltech-256 muestran que el algoritmo propuesto puede lograr una mejor precisión de clasificación que el algoritmo de alineación de subespacios PCA y otros algoritmos de adaptación de dominios del estado del arte en la mayoría de los casos.
Descripción
Proponemos un nuevo algoritmo de adaptación de dominios basado en el autoencoder ELM (ELM-AE) que describe los subespacios de los dominios de origen y destino mediante ELM-AE y, a continuación, lleva a cabo la alineación de subespacios para proyectar diferentes dominios en un nuevo espacio común. Aprovechando la capacidad de aproximación no lineal y la eficiente capacidad de aprendizaje de una sola pasada de ELM-AE, el algoritmo de adaptación de dominios propuesto puede buscar de forma eficiente una mejor representación de características entre dominios que los enfoques de representación de características lineales como PCA para mejorar el rendimiento de la adaptación de dominios. Los amplios resultados experimentales sobre los conjuntos de datos Office/Caltech-256 muestran que el algoritmo propuesto puede lograr una mejor precisión de clasificación que el algoritmo de alineación de subespacios PCA y otros algoritmos de adaptación de dominios del estado del arte en la mayoría de los casos.