• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Neural Networks and Learning Systems, IEEE Transactions on >Hierarchical One-Class Classifier With Within-Class Scatter-Based Autoencoders
【24h】

Hierarchical One-Class Classifier With Within-Class Scatter-Based Autoencoders

机译：具有类别散射的AutoNiCoders的分层单级分类器

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Autoencoding is a vital branch of representation learning in deep neural networks (DNNs). The extreme learning machine-based autoencoder (ELM-AE) has been recently developed and has gained popularity for its fast learning speed and ease of implementation. However, the ELM-AE uses random hidden node parameters without tuning, which may generate meaningless encoded features. In this brief, we first propose a within-class scatter information constraint-based AE (WSI-AE) that minimizes both the reconstruction error and the within-class scatter of the encoded features. We then build stacked WSI-AEs into a one-class classification (OCC) algorithm based on the hierarchical regularized least-squared method. The effectiveness of our approach was experimentally demonstrated in comparisons with several state-of-the-art AEs and OCC algorithms. The evaluations were performed on several benchmark data sets.
机译：AutoEncoding是深度神经网络（DNN）中的表示学习的重要分支。 最近已经开发了极端学习机的AutoEncoder（ELM-AE），并为其快速学习速度和易于实现而获得了普及。 但是，ELM-AE使用随机隐藏节点参数而无需调整，这可能会产生无意义的编码功能。 在此简述中，我们首先提出了一种基于内部的散射信息约束的AE（WSI-AE），其最小化了重建误差和编码特征的课程散射。 然后，我们将堆叠的WSI-AES构建到基于分层正规最小二乘方法的单级分类（OCC）算法。 我们的方法的有效性在实验上展示了与几种最先进的A和OCC算法的比较。 对几种基准数据集进行评估。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号