Keywords
Abstract
Исследуется влияние редукции признакового пространства и лёгких методов инференса на скорость и точность в задачах распознавания образов. Показано, что комбинация отборов признаков (mRMR/ReliefF), понижения размерности (PCA/UMAP) и квантования весов классификатора обеспечивает выполнение ограничений по задержке (<30–50 мс на объект) при сохранении качества в пределах 1–2 п.п. от базового уровня.
References
1. Bishop C. M. Pattern Recognition and Machine Learning. Springer, 2006.
2. Hastie T., Tibshirani R., Friedman J. The Elements of Statistical Learning. Springer,2009.
3. Goodfellow I., Bengio Y., Courville A. Deep Learning. MIT Press, 2016.
4. Guyon I., Elisseeff A. An Introduction to Variable and Feature Selection. JMLR, 2003.
5. McInnes L., Healy J., Melville J. UMAP: Uniform Manifold Approximation and Projection for Dimension Reduction. arXiv:1802.03426.