用于不平衡数据分类的可扩展孪生神经网络
机器学习
2019-02-12 v2
摘要
孪生支持向量机（TWSVM）已成为从不平衡数据集中学习的一种高效的替代支持向量机（SVM）的方法。TWSVM 通过求解两个较小规模的问题来学习两个非平行的分类超平面。然而，由于涉及矩阵运算，它不适用于大型数据集。在本文中，我们讨论了一种孪生神经网络（Twin NN）架构，用于从大型不平衡数据集中学习。该孪生神经网络还学习一个最优特征映射，从而允许更好地区分类别。我们还提出了该网络架构在多类数据集上的扩展。文中给出的结果表明，孪生神经网络泛化良好，并且在大型不平衡数据集上具有良好的可扩展性。
引用
@article{arxiv.1705.00347,
title = {Scalable Twin Neural Networks for Classification of Unbalanced Data},
author = {Jayadeva and Himanshu Pant and Sumit Soman and Mayank Sharma},
journal= {arXiv preprint arXiv:1705.00347},
year = {2019}
}
备注
20 pages, 8 figures, 14 tables