Biblioteca93.141 documentos en línea

Artículo

Iterative Deep Neighborhood: A Deep Learning Model Which Involves Both Input Data Points and Their NeighborsVecindario profundo iterativo: Un modelo de aprendizaje profundo que involucra tanto a los puntos de datos de entrada como a sus vecinos

Resumen

Los modelos de aprendizaje profundo, como las redes neuronales convolucionales profundas y el modelo de memoria profunda a corto plazo, han logrado grandes éxitos en muchas aplicaciones de clasificación de patrones frente a los modelos de aprendizaje automático en la sombra con características elaboradas a mano. La razón principal es la capacidad de los modelos de aprendizaje profundo para extraer automáticamente características jerárquicas de datos masivos mediante múltiples capas de neuronas. Sin embargo, en muchas otras situaciones, los modelos de aprendizaje profundo existentes todavía no pueden obtener resultados satisfactorios debido a la limitación de las entradas de los modelos. Los modelos de aprendizaje profundo existentes solo toman las instancias de datos de un punto de entrada, pero ignoran por completo los otros puntos de datos del conjunto de datos, que potencialmente proporcionan una visión crítica para la clasificación de la entrada dada. Para superar esta carencia, en este trabajo mostramos que los puntos de datos vecinos, además del propio punto de datos de entrada, pueden mejorar significativamente el rendimiento del modelo de aprendizaje profundo y diseñamos un nuevo modelo de aprendizaje profundo que toma como entradas tanto las instancias de datos de un punto de entrada como las respuestas de clasificación de sus vecinos. Además, desarrollamos un algoritmo iterativo que actualiza los vecinos de los puntos de datos según las representaciones profundas producidas por el modelo de aprendizaje profundo y los parámetros del modelo de aprendizaje profundo alternativamente. El algoritmo propuesto, denominado "Iterative Deep Neighborhood (IDN)", muestra sus ventajas respecto a los modelos de aprendizaje profundo más avanzados en tareas de clasificación de imágenes, análisis de sentimiento de textos, predicción de la tendencia del precio de los inmuebles, etc.

  • Tipo de documento:
  • Formato:pdf
  • Idioma:Inglés
  • Tamaño: Kb

Cómo citar el documento

Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.

Este contenido no est� disponible para su tipo de suscripci�n

Información del documento