ETD

• abstention
• deep learning
• hierarchical classification
• lexicographic order
• multi-objective optimization
• neural network
• non-standard analysis
• selective classification

Questo studio indaga le prestazioni di un approccio basato sull'analisi non-standard e sull'ordine lessicografico in due problemi di ottimizzazione multi-obiettivo, la classificazione gerarchica e la classificazione selettiva. Analizziamo il comportamento del nostro approccio lessicografico comparandolo a reti e metodi allo stato dell'arte, sia in termini di accuratezza, che di tempo e parametri richiesti.
I risultati ottenuti indicano che la nostra rete non-standard generalmente ottiene punteggi in linea con i metodi allo stato dell'arte, e in alcuni casi sacrifica l'accuratezza a favore dell'efficienza dei parametri, con il visibile svantaggio del costo computazionale dell'operatore di proiezione. Queste scoperte suggeriscono che dare un ordine lessicografico agli obiettivi e applicare un approccio lessicografico al problema può migliorare le prestazioni delle reti neurali rispetto all'utilizzo di approcci tradizionali. I lavori futuri dovrebbero concentrarsi sull'aumento del numero di problemi testati con questo nuovo approccio, lavorando al contempo al miglioramento dell'operatore di proiezione.

This study investigates the performances of a Non-Standard Analysis (NSA) and
lexicographic order based approach in two multi-objective optimization problems, hi-
erarchical classification and selective classification. We analyze how our lexicographic
approach performs when compared with state of the art networks and approaches both
in terms of accuracy and time and required parameters.
The results obtained indicate that our non-standard network generally yields scores in line with
the state-of-the-art methods, and in some cases it trades-off accuracy in favor of
parameters efficiency, with the notable drawback of the computational cost of the pro-
jection operator.
These discoveries suggests that giving a lexicographic order to the objectives and ap-
plying a lexicographic approach to the problem can help neural networks performances
compared to using traditional approaches.
Future works should put their focal point on increasing the number of problems tested
with this novel approach while working on improving the projection operator.