- 深度神经网络的决策边界
通过实验证明,神经网络的最后一个权重层收敛于最后一个隐藏层的线性 SVM,整个神经网络的训练会获得更好的偏移常量,从而有助于理解深度学习并解决实际问题。
- 针对二进制编码恶意软件的对抗深度学习鲁棒检测
该研究介绍了一种基于鞍点优化的方法在二进制域内生成功能保留的恶意软件对抗样本,以及将其融入模型训练当中,提高模型对对抗样本的鲁棒性,并引入一种在线计量方式来评价模型的鲁棒性预期。
- ICCV一种基于正半定空间的面部表情识别时空表示方法
本文提出使用新颖的时空几何表达来解决面部表情识别问题,并在几何上启发的方法中使用 SVM 进行分类,以达到与现有先进方法相当的效果。
- 从零样本学习到传统监督分类:未见过的视觉数据合成
该研究提出了一种新的零样本学习框架,并基于 Unseen Visual Data Synthesis 算法,利用语义属性有效地合成未见过的视觉特征,以解决实际应用中缺乏带标注样本的问题,并证实其能够显著提高现有技术水平。
- ACL结构化支持向量机与循环神经网络在论点挖掘中的应用
本研究提出了一种新的因子图模型,用于处理不一定形成树结构的文本论述关系,可以学习最基本的单元分类和论证关系预测,支持 SVM 和 RNN 参数化,可以强制执行结构约束并表示相邻关系和命题之间的依赖关系,并在网络评论和论辩文章数据集上优于非结 - 用于 3D 视频中动作识别的双流 RNN/CNN
本论文提出了一种通过将循环神经网络和卷积神经网络相结合运用于动作识别的算法,通过 SVM 对特征进行分类,实验结果表明,在标准数据集上,该算法提高了 14% 的识别率。
- 深度学习案例研究:简单胜于复杂
该研究通过应用称为 DE 的简单优化器对 SVM 进行微调,以实现类似(甚至更好)的结果,证明了不必盲目使用每一项新创新,应该将新的、花费高昂的过程基线化,才能进行可靠的比较和评估。
- liquidSVM: 一个快速且通用的支持向量机软件包
liquidSVM 是一款用 C++ 编写的软件包,提供了各种分类和回归任务的 SVM 类型求解器,并具有完全集成的超参数选择、多线程和 GPU 支持,以及几种内置数据分解策略,从而能够为数十万个样本的数据集以及小训练量的数据集提供前所未有 - 使用语义身体部位行为的单张图像动作识别
本篇论文提出一种基于语义身体部位行为的新型单张图片行为识别算法,通过给人体的五个部位(头部,躯干,臂部,手和腿)定义不同语义的部位行动来识别人体动作,并且通过串联局部行动预测出整个身体的行动,最终在 PASCAL VOC 2012 和 St - AAAI通过 Alpha 种子改进 SVM 的 k 折交叉验证效率
本文提出了三种算法,以提高 SVM 的 k 倍交叉验证的效率,主要思路是利用先前训练的 SVM 有效地识别支持向量并准确地估计下一个 SVM 的相关权重。我们的实验结果表明,与不利用先前训练的 SVM 的 k 倍交叉验证相比,我们的算法速度 - Curie: 一种保护 SVM 分类器免受污染攻击的方法
本文介绍了机器学习在安全相关应用中的应用,探讨了一种针对机器学习的因果完整性攻击,提出了名为 Curie 的一种方法来保护 SVM 分类器对抗黄染攻击并且实验证明了该方法的有效性。
- EMNLP深度记忆网络在方面级情感分类中的应用
本文提出了基于深度记忆网络的方面级情感分类模型,并通过多层神经注意力模型计算上下文词汇的重要程度和文本表示,在笔记本和餐厅数据集上的实验结果表明,这种方法的表现与现有的 SVM 系统相媲美,在多个指标方面优于 LSTM 和基于注意力的 LS - ICLR从转换的未标记数据中提取的幺正群不变核和特征
本文介绍了一种利用不变内积核解决数据转换问题的 SVM,以及一种基于单位群不变特征提取方法,实验证明了这些方法的有效性。
- 分布式小批量 SDCA
该论文提出了一种改进的 mini-batch 随机双坐标上升方法,用于正则化经验损失最小化(即,支持向量机和支持向量机类型目标)。我们的分析允许灵活的抽样方案,包括数据分布跨多台机器,并结合了对损失平滑度和 / 或数据展开性的依赖(通过谱范 - 卷积神经网络中的特征表示
本文旨在深入探究 CNN 中的特征方面,发现 CNN 特征映射可用于随机森林和 SVM,以产生超越原始 CNN 的分类结果;使用较低层次的特征可以获得更好的分类结果。
- 稀疏 SVM 排序中的非凸正则化特征选择
探究如何在学习排名中将特征选择集成入学习过程中,并且提出了一种使用 SVM 和稀疏正则化术语进行特征选择的通用框架。
- ICML两阶段度量学习
本文提出了一个新的两阶段度量学习算法,首先通过计算到一组固定锚点的相似度将每个学习实例映射到概率分布,然后在关联的统计流形上定义输入数据空间上的 Fisher 信息距离,这在输入数据空间中引入了一组具有独特特性的距离度量,不像核化度量学习, - 用于正则化损失最小化的加速近端随机双坐标上升
本文介绍了一种基于近端随机对偶坐标上升方法的算法,并演示了如何使用内外迭代过程加速该方法。我们分析了该框架的运行时,并获得了改进各种关键机器学习优化问题(包括 SVM、逻辑回归、岭回归、套索以及多类别 SVM)的最新结果的速率。实验验证了我 - 时间序列建模和预测入门研究
本文研究了时间序列建模和预测,分别介绍了随机、神经网络和 SVM 基于模型的预测。实验结果表明不同模型的预测表现,以及采用不同评价指标评价不同模型。
- ICML增强特征学习用于异构域适配
本文提出了一种新的异构领域适应 (HDA) 学习方法,使用两个不同的投影矩阵将两个域的数据转换为公共子空间,并提出两个新的特征映射函数将转换后的数据与原始特征和零进行增强。使用 SVM 等现有学习方法,本方法称为异构特征增强 (HFA) 可