HiNet：基于神经网络的层次分类
机器学习
2018-01-15 v2
摘要
传统上，对包含超过 10000 个不同轨迹的大型层次标签进行分类只能通过扁平化标签实现。尽管扁平化标签可行，但它丢失了标签中的层次信息。由于整个架构中支持向量机（SVM）数量庞大，像 HSVM 这样的层次模型变得无法训练。我们开发了一种基于神经网络的层次架构，其训练简单。此外，我们推导了一种推理算法，能够高效地推断由我们的定理保证的最大后验（MAP）轨迹。 Furthermore，该模型的复杂度仅为 ，而扁平化模型的复杂度为 ，其中 为层次高度。
引用
@article{arxiv.1705.11105,
title = {HiNet: Hierarchical Classification with Neural Network},
author = {Zhenzhou Wu and Sean Saito},
journal= {arXiv preprint arXiv:1705.11105},
year = {2018}
}