Pre-Sorted Tsetlin Machine (The Genetic K-Medoid Method)

要約

この論文では、Tsetlin Machines を使用した従来の教師あり学習に対する機械学習の事前分類段階を提案します。
最初に、最大分散問題を解決するために、高速遺伝的アルゴリズムを使用してデータセットから K 個のデータポイントが特定されます。
これらは、K-Medoid クラスタリング アルゴリズムを実行するための初期配置として使用されます。
最後に、高速遺伝的アルゴリズムを使用して、ハミング距離を最大化することで K 個の独立した Tsetlin マシンを調整します。
MNIST レベルの分類問題の場合、結果は精度が最大 10% 向上することを示しています。
トレーニング時間を 383 分の 1 に削減し、
推論時間を 86 分の 1 に短縮。

要約(オリジナル)

This paper proposes a machine learning pre-sort stage to traditional supervised learning using Tsetlin Machines. Initially, K data-points are identified from the dataset using an expedited genetic algorithm to solve the maximum dispersion problem. These are then used as the initial placement to run the K-Medoid clustering algorithm. Finally, an expedited genetic algorithm is used to align K independent Tsetlin Machines by maximising hamming distance. For MNIST level classification problems, results demonstrate up to 10% improvement in accuracy, approx. 383X reduction in training time and approx. 86X reduction in inference time.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google