Matches in SemOpenAlex for { <https://semopenalex.org/work/W2605506523> ?p ?o ?g. }
Showing items 1 to 40 of
40
with 100 items per page.
- W2605506523 abstract "Ces dix dernieres annees, l'apprentissage de metriques a permis une amelioration des approches d'apprentissage automatique basees sur des fonctions de distance ou de similarite.Dans ce contexte, l'apprentissage de metriques locales s'est montre tres efficace de part sa capacite a prendre en compte les non-linearites des donnees et de mieux capturer les caracteristiques de l'application consideree.Cependant, il est bien connu que l'apprentissage de metriques locales presente un risque de sur-apprentissage et pose des problemes lors de la comparaison de deux instances qui sont assignees a des modeles locaux differents.Dans cet article, nous traitons ces problematiques en proposant un nouvel algorithme de combinaison lineaire de modeles locaux (C2LM).A partir d'un partitionnement de l'espace en regions et d'un modele (fonction de distance/similarite) pour chaque region, C2LM definit une metrique entre deux points comme une combinaison ponderee de modeles locaux.Deux termes de regularisation spatiale assurent une evolution graduelle des vecteurs de poids et une influence plus importante des modeles les plus proches.Notre approche a la particularite d'etre definie dans un cadre de regression, de marcher implicitement a differentes echelles et d'etre assez generique pour s'appliquer aux similarites et aux distances.Nous fournissons des garanties theoriques dans le cadre de la robustesse algorithmique. Les experiences realisees sur deux jeux de donnees montrent que C2LM atteint systematiquement une precision en regression meilleure que l'etat de l'art, meme avec un nombre de paires d'apprentissage limite." @default.
- W2605506523 created "2017-04-28" @default.
- W2605506523 creator A5003859975 @default.
- W2605506523 creator A5020817426 @default.
- W2605506523 creator A5083517347 @default.
- W2605506523 date "2016-07-04" @default.
- W2605506523 modified "2023-09-24" @default.
- W2605506523 title "Apprentissage de Combinaisons Convexes de Métriques Locales avec Garanties de Généralisation" @default.
- W2605506523 hasPublicationYear "2016" @default.
- W2605506523 type Work @default.
- W2605506523 sameAs 2605506523 @default.
- W2605506523 citedByCount "0" @default.
- W2605506523 crossrefType "proceedings-article" @default.
- W2605506523 hasAuthorship W2605506523A5003859975 @default.
- W2605506523 hasAuthorship W2605506523A5020817426 @default.
- W2605506523 hasAuthorship W2605506523A5083517347 @default.
- W2605506523 hasConcept C138885662 @default.
- W2605506523 hasConcept C15708023 @default.
- W2605506523 hasConcept C33923547 @default.
- W2605506523 hasConceptScore W2605506523C138885662 @default.
- W2605506523 hasConceptScore W2605506523C15708023 @default.
- W2605506523 hasConceptScore W2605506523C33923547 @default.
- W2605506523 hasLocation W26055065231 @default.
- W2605506523 hasLocation W26055065232 @default.
- W2605506523 hasOpenAccess W2605506523 @default.
- W2605506523 hasPrimaryLocation W26055065231 @default.
- W2605506523 hasRelatedWork W1587224694 @default.
- W2605506523 hasRelatedWork W1979597421 @default.
- W2605506523 hasRelatedWork W2007980826 @default.
- W2605506523 hasRelatedWork W2061531152 @default.
- W2605506523 hasRelatedWork W2069964982 @default.
- W2605506523 hasRelatedWork W2077600819 @default.
- W2605506523 hasRelatedWork W2965437270 @default.
- W2605506523 hasRelatedWork W3002753104 @default.
- W2605506523 hasRelatedWork W4225152035 @default.
- W2605506523 hasRelatedWork W4245490552 @default.
- W2605506523 isParatext "false" @default.
- W2605506523 isRetracted "false" @default.
- W2605506523 magId "2605506523" @default.
- W2605506523 workType "article" @default.