使用凸-凹过程训练的最小二乘线性膨胀-腐蚀回归器
机器学习
2022-09-07 v2 人工智能
最优化与控制
统计理论
机器学习
统计理论
摘要
本文提出一种用于回归任务的混合形态神经网络，称为线性膨胀-腐蚀回归器（-DER）。-DER 由线性算子与形态学算子的复合的凸组合给出。它们产生连续分段线性函数，因此是通用逼近器。除引入 -DER 模型外，我们将它们的训练表述为凸差（DC）规划问题。确切地说，-DER 通过最小二乘并使用凸-凹过程（CCP）来训练。使用多个回归任务的计算实验证实了所提回归器的有效性，其优于其他混合形态模型以及最先进的方法，如多层感知机网络与径向基支持向量回归器。
引用
@article{arxiv.2107.05682,
title = {Least-Squares Linear Dilation-Erosion Regressor Trained using a Convex-Concave Procedure},
author = {Angelica Lourenço Oliveira and Marcos Eduardo Valle},
journal= {arXiv preprint arXiv:2107.05682},
year = {2022}
}
备注
15 pages