学习卷积神经网络以最大化 Pos@Top 性能度量
计算机视觉与模式识别
2017-03-02 v3
摘要
在机器学习问题中，性能度量用于评估机器学习模型。最近，排在顶部位置的正数据点数量（Pos@Top）已成为机器学习社区中一种流行的性能度量。在本文中，我们提出学习一个卷积神经网络（CNN）模型以最大化 Pos@Top 性能度量。CNN 模型用于表示多示例数据点，分类器函数用于从其 CNN 表示中预测标签。我们提出在训练集上最小化 Pos@Top 的损失函数，以学习 CNN 的滤波器和分类器参数。分类器参数向量通过拉格朗日乘子法求解，滤波器在迭代算法中通过梯度下降法交替更新。在基准数据集上的实验表明，所提出的方法优于最先进的 Pos@Top 最大化方法。
关键词
引用
@article{arxiv.1609.08417,
title = {Learning convolutional neural network to maximize Pos@Top performance measure},
author = {Yanyan Geng and Ru-Ze Liang and Weizhi Li and Jingbin Wang and Gaoyuan Liang and Chenhao Xu and Jing-Yan Wang},
journal= {arXiv preprint arXiv:1609.08417},
year = {2017}
}