System modeling
Scientometrics and management science
Recognition of images
И. А. Дубнов, А. Б. Мерков "Оценка информативности признаков в задачах распознавания символов с помощью разреживающих эластичных сетей*"
И. А. Дубнов, А. Б. Мерков "Оценка информативности признаков в задачах распознавания символов с помощью разреживающих эластичных сетей*"

Аннотация.

В статье представлен метод максимизации обоснованности для автоматического подбора параметров регуляризации эластичных сетей [1], т. е. обобщенных линейных вероятностных моделей, в которых априорное распределение является промежуточным между лапласовым и гауссовым. Этот метод использован при оценке полезности разных наборов признаков для задачи распознавания рукописных символов.

Ключевые слова:

распознавание символов; признаковая модель; эластичная сеть.

Стр. 74-84.

I. A. Dubnov, A. B. Merkov

"Estimation of informativity of features in character recognition with sparse elastic nets"

Abstract. The paper presents an evidence maximization method for tuning the regularization parameters of elastic nets, i. e. of generalized linear models with the prior intermediate between Laplacian and Gaussian. This method was used for estimation of usefulness of different subsets of features on the example of handwritten character recognition.

Keywords: character recognition, feature model, elastic net.

Полная версия статьи в формате pdf.

REFERENCES

1. Zou H., Hastie T. Regularization and Variable Selection via the Elastic Net // Journal of the Royal Statistical Society B. 2005. № 67. P. 301–320.
2. James G., Witten D., Hastie T., Tibshirani R. An Introduction to Statistical Learning. M.: Springer, 2013. 204 p.
3. Guyon I., Elisseeff A. An Introduction to Variable and Feature Selection // Journal of Machine Learning Research. 2003. № 3. P. 1157–1182.
4. Nesterov Yu. Gradient Methods for Minimizing Composite Objective Function. 2007.
5. Richtarik P., Schmidt M. Modern Convex Optimization Methods for Large-Scale Empirical Risk Minimization // International Conference on Machine Learning. July 2015.
6. Nesterov Yu. Ye. Vvedenie v vypukluyu optimizatsiyu. M.: MTsNMO, 2010. 262 c.
7. Bishop C. M. Pattern Recognition and Machine Learning. M.: Springer, 2006. 740 p.
8. Prilepko A. I., Kalinichenko D. F. Asimptoticheskie metody i spetsialnye funktsii. M.: MIFI, 1980.
107 c.
9. Le Cun Y., Bottou L., Bengio Y., Haffner P. Gradient-based learning applied to document recognition // Proceedings of the IEEE. 1998. № 86 (11). P. 2278–2324. http://yann.lecun.com/exdb/mnist/
10. Trier O. D., Jain A. K., Taxt T. Features Extraction Methods for Character Recognition // Pattern Recognition. 1996. № 29 (11). P. 641–662.
11. The MathWorks Inc. MATLAB Image Processing Toolbox documentation. http://www.mathworks.com/help/images/
12. Harris C., Stephens M. A combined corner and edge detector // Proceedings of the 4th Alvey Vision Conference. 1988. P. 147–151.
13. Canny J. A Computational Approach To Edge Detection //IEEE Trans. Pattern Analysis and Machine Intelligence. 1986. № 8 (6). P. 679–698.

2020-70-2
2020-70-1
2019-69-4
2019-69-3

© ФИЦ ИУ РАН 2008-2018. Создание сайта "РосИнтернет технологии".