From Linear to Spline-Based Classification:Developing and Enhancing SMPA for Noisy Non-Linear Datasets

要約

移動ポイントアルゴリズムの開発に使用される概念とメカニズムに基づいて、分類タスクのために非線形決定境界を開発する方法を調査します。
まず、MPAの分類パフォーマンスと、元のアルゴリズムのいくつかのマイナーな開発について説明します。
次に、同様の学習メカニズムを使用して分類のためにキュービックスプラインを使用した背後にある概念について説明し、既知の特性を持つ合成データセットのトレーニング結果を最後に分析します。

要約(オリジナル)

Building upon the concepts and mechanisms used for the development in Moving Points Algorithm, we will now explore how non linear decision boundaries can be developed for classification tasks. First we will look at the classification performance of MPA and some minor developments in the original algorithm. We then discuss the concepts behind using cubic splines for classification with a similar learning mechanism and finally analyze training results on synthetic datasets with known properties.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google