孪生深度森林
机器学习
2017-05-01 v1 机器学习
摘要
本文提出一种孪生深度森林（SDF）。它基于 Zhou 和 Feng 提出的深度森林（即 gcForest），可视为 gcForest 的改进。它也可被视为著名的孪生神经网络的一种替代。SDF 使用由拼接向量对组成的改进训练集。此外，它将深度森林中的类分布定义为树类概率的加权和，使得权重被确定为减小相似对之间的距离并增大不相似点之间的距离。我们证明权重可通过求解二次优化问题获得。SDF 旨在防止在仅有有限训练数据时神经网络中出现的过拟合。数值实验说明了所提出的距离度量方法。
引用
@article{arxiv.1704.08715,
title = {A Siamese Deep Forest},
author = {Lev V. Utkin and Mikhail A. Ryabinin},
journal= {arXiv preprint arXiv:1704.08715},
year = {2017}
}