基于深度表示的水平与垂直集成分类方法
机器学习
2013-06-13 v1 机器学习
摘要
表示学习，尤其是利用深度学习进行的表示学习，已广泛应用于分类任务。然而，如何利用有限规模的标注数据通过深度神经网络实现良好的分类性能，以及所学特征如何进一步提升分类效果，目前尚不明确。在本文中，我们提出了水平投票、垂直投票和水平堆叠集成方法，以提高深度神经网络的分类性能。在 ICML 2013 黑盒挑战赛中，通过使用这些方法，Bing Xu 在公开榜单上获得第 3 名，在私有榜单上获得第 7 名；Jingjing Xie 在公开榜单上获得第 4 名，在私有榜单上获得第 5 名。
引用
@article{arxiv.1306.2759,
title = {Horizontal and Vertical Ensemble with Deep Representation for Classification},
author = {Jingjing Xie and Bing Xu and Zhang Chuang},
journal= {arXiv preprint arXiv:1306.2759},
year = {2013}
}