Busca avançada
Ano de início
Entree
(Referência obtida automaticamente do Web of Science, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores.)

Model selection for Discriminative Restricted Boltzmann Machines through meta-heuristic techniques

Texto completo
Autor(es):
Papa, Joao P. [1] ; Rosa, Gustavo H. [1] ; Marana, Aparecido N. [1] ; Scheirer, Walter [2] ; Cox, David D. [2]
Número total de Autores: 5
Afiliação do(s) autor(es):
[1] Sao Paulo State Univ, Sao Paulo - Brazil
[2] Harvard Univ, Cambridge, MA 02138 - USA
Número total de Afiliações: 2
Tipo de documento: Artigo Científico
Fonte: JOURNAL OF COMPUTATIONAL SCIENCE; v. 9, n. SI, p. 14-18, JUL 2015.
Citações Web of Science: 24
Resumo

Discriminative learning of Restricted Boltzmann Machines has been recently introduced as an alternative to provide a self-contained approach for both unsupervised feature learning and classification purposes. However, one of the main problems faced by researchers interested in such approach concerns with a proper selection of its parameters, which play an important role in its final performance. In this paper, we introduced some meta-heuristic techniques for this purpose, as well as we showed they can be more accurate than a random search, which is commonly used technique in several works. (C) 2015 Elsevier B.V. All rights reserved. (AU)

Processo FAPESP: 14/16250-9 - Sobre a otimização de parâmetros em técnicas de aprendizado de máquina: avanços e paradigmas
Beneficiário:João Paulo Papa
Linha de fomento: Auxílio à Pesquisa - Regular
Processo FAPESP: 13/20387-7 - Otimização de hiperparâmetros em arquiteturas de aprendizado em profundidade
Beneficiário:João Paulo Papa
Linha de fomento: Bolsas no Exterior - Pesquisa