검색 기능은 준비 중입니다.
검색 기능은 준비 중입니다.

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

Corrected Stochastic Dual Coordinate Ascent for Top-k SVM 상단에 대한 수정된 확률론적 이중 좌표 상승k SVM.

Yoshihiro HIROHASHI, Tsuyoshi KATO

  • 조회수

    0

  • 이것을 인용

요약 :

현재 상위권-k 오류 비율은 다중 범주 분류의 정확성을 측정하는 주요 방법 중 하나입니다. 맨 위-k 멀티클래스 SVM은 최상위 수준을 기반으로 경험적 위험을 최소화하도록 설계되었습니다.k 오류 비율. 최상위 학습을 위해 두 가지 SDCA 기반 알고리즘이 존재합니다.k SVM은 둘 다 최적화를 달성하기 위한 몇 가지 바람직한 속성을 가지고 있습니다. 그러나 두 알고리즘 모두 이론적 불완전성으로 인해 대부분의 경우 최적의 수렴을 달성할 수 없다는 심각한 단점이 있습니다. 수치 시뮬레이션을 통해 입증된 바와 같이, 수정된 SDCA 알고리즘을 적용하면 기존 두 가지 SDCA 기반 알고리즘의 실패와 달리 항상 최적의 수렴이 달성됩니다. 마지막으로 기존 알고리즘의 중요성을 명확히 하기 위해 분석 결과를 제시합니다.

발행
IEICE TRANSACTIONS on Information Vol.E103-D No.11 pp.2323-2331
발행일
2020/11/01
공개일
2020/08/06
온라인 ISSN
1745-1361
DOI
10.1587/transinf.2019EDP7261
원고의 종류
PAPER
범주
패턴 인식

작성자

Yoshihiro HIROHASHI
  DENSO CORPORATION
Tsuyoshi KATO
  Gunma University

키워드