新型 XGRVFL-MV 模型通过新颖的损失函数增强多视图分类

研究人员推出了一种新颖的多视图分类模型 XGRVFL-MV，该模型增强了随机向量函数链接 (RVFL) 网络。该新模型解决了保留视图特定的几何结构和管理大预测残差的挑战。它结合了具有内在图和惩罚图的图嵌入，利用 FleXi Guardian 损失进行残差学习，并包含一个用于视图间一致性的残差耦合项。在 UCI 和 Corel5k 等基准数据集上的实验表明，XGRVFL-MV 实现了具有竞争力的分类性能。 AI

影响 引入了一种新的多视图分类方法，有可能提高在复杂数据集上的性能。

排序理由 详细介绍一种新颖的机器学习模型及其实验评估的新学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• AwA
• Corel5k
• FleXi Guardian (XG)
• KEEL
• Local Fisher Discriminant Analysis
• Nesterov accelerated gradient descent
• Random Vector Functional Link (RVFL)
• University of California, Irvine
• XGRVFL-MV

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →