Training Single-Layer Morphological Perceptron Using Convex-Concave Programming

要約

この論文は、規律ある凸凹プログラミング (DCCP) を使用した単層形態学的パーセプトロンのトレーニングに関するものです。
我々は、K-DDCCP と呼ばれるアルゴリズムを導入します。これは、Ritter と Urcid によって提案された既存の単層形態学的パーセプトロン (SLMP) モデルと、Charisopoulos と Maragos による加重規律凸凹プログラミング (WDCCP) アルゴリズムを組み合わせたものです。
提案されたトレーニング アルゴリズムは、規律ある凸凹手順 (DCCP) を活用し、バイナリ分類のための非凸最適化問題を定式化します。
この問題に対処するために、制約を凸関数の差として表現し、DCCP パッケージの適用を可能にします。
実験結果により、バイナリ分類問題の解決における K-DDCCP アルゴリズムの有効性が確認されました。
全体として、この研究は、SLMP モデルの機能を拡張するアルゴリズムを提案することにより、形態学的ニューラル ネットワークの分野に貢献します。

要約(オリジナル)

This paper concerns the training of a single-layer morphological perceptron using disciplined convex-concave programming (DCCP). We introduce an algorithm referred to as K-DDCCP, which combines the existing single-layer morphological perceptron (SLMP) model proposed by Ritter and Urcid with the weighted disciplined convex-concave programming (WDCCP) algorithm by Charisopoulos and Maragos. The proposed training algorithm leverages the disciplined convex-concave procedure (DCCP) and formulates a non-convex optimization problem for binary classification. To tackle this problem, the constraints are expressed as differences of convex functions, enabling the application of the DCCP package. The experimental results confirm the effectiveness of the K-DDCCP algorithm in solving binary classification problems. Overall, this work contributes to the field of morphological neural networks by proposing an algorithm that extends the capabilities of the SLMP model.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google