מושגי ליבה
高次元空間における長い実行時間の問題を解決するために、MLアルゴリズムとバリセントリック補正手順(BCP)を組み合わせることが提案されています。
תקציר
この研究は、MLアルゴリズムとバリセントリック補正手順(BCP)を組み合わせて、高次元空間での長い実行時間の問題に取り組んでいます。提案された方法は、合成データと私立大学からの教育データを使用して、その利点を示しています。BCPと線形サポートベクター分類(LinearSVC)が高次元空間では計算時間と精度の面で非現実的であることが示されました。提案は、少なくとも同じ精度を保ちながら、時間とメモリ要件を大幅に削減することが期待されます。
סטטיסטיקה
BCPはPerceptronよりも70,000倍速いことが示されました。
SVMやニューラルネットワークなどのアルゴリズムに対するBCPの改善は、合成データおよび実データでテストされました。
SVMカーネル近似による精度向上は計算時間や精度に影響しませんでした。
ציטוטים
"Deep learning has emerged as a cornerstone for tackling intricate tasks such as object recognition, speech recognition, and the development of autonomous vehicles."
"Support vector machines have demonstrated their efficacy in domains like computer security, image categorization, and the extraction and recognition of soft biometrics."
"Turning to the Gradient Boosting algorithm, as discussed in the work of [19], tree-based ensemble methods, like gradient boosting, offer interpretable outcomes with minimal data preprocessing requirements."