所有分类器均可从深度网络习得的技术综述:模型、优化与正则化
机器学习
2019-09-30 v2 机器学习
摘要
深度神经网络为机器学习界引入了新颖且实用的工具。其他类型的分类器同样有可能利用这些工具来提升其性能与泛化能力。本文综述了当前被用于深度神经网络之外的深度学习分类器技术的最新进展。非网络分类器可采用深度神经网络架构中的许多组件。在本文中,我们综述了构成深度网络技术核心的特征学习、优化与正则化方法。随后我们调研了创新性地运用这些方法以改善分类的非神经网络学习算法。由于诸多机遇与挑战依然存在,我们讨论了可 pursued 以拓展面向多种分类算法的深度学习领域的方向。
引用
@article{arxiv.1909.04791,
title = {A Survey of Techniques All Classifiers Can Learn from Deep Networks: Models, Optimizations, and Regularization},
author = {Alireza Ghods and Diane J Cook},
journal= {arXiv preprint arXiv:1909.04791},
year = {2019}
}