多层核机器中的无监督多核学习
计算机视觉与模式识别
2021-11-30 v1 机器学习
摘要
基于核的深度学习方法由 Y.Cho 与 L.K. Saul 在 \cite{saul} 中利用多层核机器(MKMs)提出。在 MKMs 中，他们仅在一层中使用单一核(arc-cosine 核)进行基于核 PCA 的特征提取。我们提出通过遵循无监督学习策略对多个核取凸组合，在每一层中使用多核。我们在通过向 MNIST 数据集图像背景添加随机噪声生成的 \textit{mnist-back-rand}、\textit{mnist-back-image} 与 \textit{mnist-rot-back-image} 数据集上进行了实证研究。实验结果表明，在 MKMs 中使用 MKL 能获得原始数据更好的表示并提升分类器性能。
引用
@article{arxiv.2111.13769,
title = {Unsupervised MKL in Multi-layer Kernel Machines},
author = {Akhil Meethal and Asharaf S and Sumitra S},
journal= {arXiv preprint arXiv:2111.13769},
year = {2021}
}