一种用于具有高阶交互的结构化输出的深度学习模型
机器学习
2015-05-01 v1 神经与进化计算
摘要
许多现实应用与结构化数据相关联，其中不仅输入而且输出都存在交互。然而，典型的分类和回归模型往往缺乏同时探索输入内高阶交互与输出内高阶交互的能力。在本文中，我们提出一种深度学习模型，旨在生成从结构化输入到结构化输出的强大非线性函数映射。更具体地，我们提议为此集成高阶隐藏单元、引导式判别预训练和高阶自动编码器。我们使用三个数据集评估该模型，并在竞争方法中取得了最先进的性能。我们当前工作聚焦于结构化输出回归，这是一个较少被探索的领域，尽管该模型可扩展以处理结构化标签分类。
引用
@article{arxiv.1504.08022,
title = {A Deep Learning Model for Structured Outputs with High-order Interaction},
author = {Hongyu Guo and Xiaodan Zhu and Martin Renqiang Min},
journal= {arXiv preprint arXiv:1504.08022},
year = {2015}
}