Biblioteca122.739 documentos en línea

Artículo

Customized Dictionary Learning for Subdatasets with Fine GranularityAprendizaje personalizado de diccionarios para subconjuntos de datos con granularidad fina

Resumen

Los modelos dispersos tienen múltiples aplicaciones en el aprendizaje automático y la visión por ordenador. El uso de un diccionario aprendido en lugar de uno "estándar" puede mejorar drásticamente el rendimiento en un conjunto de datos concreto. Sin embargo, aprender uno nuevo para cada subconjunto de datos (sujeto) con una granularidad fina puede resultar injustificado o poco práctico, debido a la disponibilidad restringida de muestras de subconjuntos de datos y al enorme número de sujetos. Para remediarlo, consideramos el problema de la personalización del diccionario, es decir, la especialización de un diccionario global existente correspondiente al conjunto total de datos, con la ayuda de muestras auxiliares obtenidas del subconjunto de datos objetivo. Inspirado en la observación y deducido a partir del análisis teórico, se emplea un regularizador que penaliza la diferencia entre el diccionario global y el personalizado. Al minimizar la suma de los errores de reconstrucción del regularizador anterior con restricciones de dispersión, explotamos las características del subconjunto de datos de destino contenidas en las muestras auxiliares, manteniendo al mismo tiempo los bocetos básicos almacenados en el diccionario global. Se presenta un algoritmo eficiente y se valida con experimentos sobre datos del mundo real.

  • 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