复值神经网络与实值神经网络用于分类的对比视角：以非圆数据为例
机器学习
2021-04-14 v2 机器学习
摘要
本文的贡献有两点。首先，我们展示了复值神经网络（CVNN）在复数数据集分类任务上的潜在价值。为凸显此观点，我们研究了一例复值数据，其中实部与虚部通过非圆性性质在统计上相关。在此背景下，将全连接前馈CVNN与等价的实值模型进行比较。结果表明，对于多种架构与数据结构，CVNN表现更优。CVNN准确率具有统计上更高的均值与中位数，以及比实值神经网络（RVNN）更低的方差。此外，若不使用正则化技术，CVNN表现出更低的过拟合。第二点贡献是发布了一个以Tensorflow为后端的Python库（Barrachina 2019），支持CVNN的实现与训练，以期推动该领域的进一步研究。
引用
@article{arxiv.2009.08340,
title = {Complex-Valued vs. Real-Valued Neural Networks for Classification Perspectives: An Example on Non-Circular Data},
author = {Jose Agustin Barrachina and Chenfang Ren and Christele Morisseau and Gilles Vieillard and Jean-Philippe Ovarlez},
journal= {arXiv preprint arXiv:2009.08340},
year = {2021}
}
备注
6 pages, 5 figures, conference, preprint