Примеры архитектур модели Глубокого леса

Основная идея модели Глубокого леса заключается в композиции так называемых слоев, содержащих модели Лесов решений. Каждый следующий слой получает на вход результат предыдущего, объединенный с входным вектором признаков. Модификации, которые можно применить к глубокому лесу, разнообразны: разные схемы взвешивания, цензурирование хорошо предсказанных данных (Confidence screening), многозернистое сканирование (Multigrained scanning) изображений и так далее. Bosk разработан с учетом этих требований к гибкости, и все описанные выше алгоритмы могут быть легко реализованы в вычислительном конвейере bosk. Кроме того, новые идеи могут быть разработаны с помощью введения новых вычислительных блоков, применены и протестированы с помощью bosk.

Ссылки на исследования

Чтобы лучше понять специфику моделей Глубокого леса, Вы можете ознакомиться со следующими статьями:

• Z.-H. Zhou, J. Feng. Deep forest: Towards an alternative to deep neural networks

• Wang C., Lu N., Cheng Y., Jiang, B. Deep forest based multivariate classification for diagnostic health monitoring

• Yang F., Xu Q., Li B., Ji Y. Ship detection from thermal remote sensing imagery through region-based deep forest

• Zheng W., Cao S., Jin X., Mo S., Gao H., Qu Y., Zhu Y. Deep forest with local experts based on elm for pedestrian detection

• Utkin L. V., Ryabinin M. A. A Siamese deep forest

• Pang M., Ting K. M., Zhao P., Zhou Z. H. Improving deep forest by confidence screening

• Utkin L., Konstantinov A., Meldo A., Ryabinin M., Chukanov V. A Deep Forest Improvement by Using Weighted Schemes

Примеры различных архитектур

• Базовый Глубокий лес
• Механизм confidence screening
• Многозернистое сканирование
• Композиция регрессоров