GrCAN：带神经决策森林的梯度提升卷积自编码器
机器学习
2018-06-26 v2 机器学习
摘要
随机森林与深度神经网络是机器学习中两类有效的分类方法。随机森林对不同数据域均具鲁棒性，而深度神经网络在处理高维数据上有优势。鉴于可微的神经决策森林可加入神经网络以充分利用两类模型优势，我们在工作中进一步将卷积自编码器与神经决策森林结合，其中自编码器在发现输入数据隐表示上有其优势。我们开发了梯度提升模块并将其嵌入所提出的带神经决策森林的卷积自编码器中以提升性能。梯度提升的思想是学习并利用预测中的残差。此外，我们设计了一种结构，在连续步骤中学习神经决策森林与梯度提升模块的参数。在多个公开数据集上的大量实验表明，与一系列基线方法相比，我们所提模型取得了良好的效率与预测性能。
引用
@article{arxiv.1806.08079,
title = {GrCAN: Gradient Boost Convolutional Autoencoder with Neural Decision Forest},
author = {Manqing Dong and Lina Yao and Xianzhi Wang and Boualem Benatallah and Shuai Zhang},
journal= {arXiv preprint arXiv:1806.08079},
year = {2018}
}