表征学习

✍ dations ◷ 2025-04-04 05:32:08 #表征学习

在机器学习中，特征学习或表征学习是学习一个特征的技术的集合：将原始数据转换成为能够被机器学习来有效开发的一种形式。它避免了手动提取特征的麻烦，允许计算机学习使用特征的同时，也学习如何提取特征：学习如何学习。机器学习任务，例如分类问题，通常都要求输入在数学上或者在计算上都非常便于处理，在这样的前提下，特征学习就应运而生了。然而，在我们现实世界中的数据例如图片，视频，以及传感器的测量值都非常的复杂，冗余并且多变。那么，如何有效的提取出特征并且将其表达出来就显得非常重要。传统的手动提取特征需要大量的人力并且依赖于非常专业的知识。同时，还不便于推广。这就要求特征学习技术的整体设计非常有效，自动化，并且易于推广。特征学习可以被分为两类：监督的和无监督的，类似于机器学习。监督特征学习就是从被标记的数据中学习特征。大致有一下几种方法。总体来说，字典学习是为了从输入数据获得一组的表征元素，使每一个数据点可以（近似的）通过对表征元素加权求和来重构。字典中的元素和权值可以通过最小化表征误差来得到。通过L1正则化可以让权值变得稀疏（例，每一个数据点的表征只有几个非零的权值）。监督字典学习利用输入数据的结构和给定的标签（输出）来优化字典。例如，2009年Mairal等人提出的一种监督字典学习方案被应用在了分类问题上。这个方案的优化目标包括最小化分类误差，表征误差，权值的1范数（L1正则化）和分类器参数的2范数。有监督的字典学习可以被视为一个三层神经网络（一层隐含层），第一层（输入层）到第二层（隐含层）是表征学习，第二层到第三层（输出）是分类器的参数回归。神经网络是通过多层由内部相连的节点组成的网络的一个学习算法。它的命名是受到神经系统的启发，它的每一个节点就像神经系统里的神经元，而每一条边就像一条突触。神经网络里面的每一条边都有对应的权值，而整个网络则定义运算法则将输入数据转换成为输出。神经网络的网络函数通过权值来刻画输入层跟输出层之间的关系。通过适当的调整网络函数，可以尽量最小化损耗的同时解决各种各样的机器学习任务。

相关

二分裂法细胞分裂（英语：cell division）是生物体生长和繁殖的基础，通常由一个母细胞产生两个或若干子细胞，是细胞周期的一部分。产生两个不同子细胞的分裂被称为不对称细胞分裂，也称为异裂
利巴韦林利巴韦林（英语：Ribavirin，俗称病毒唑），是一种抗病毒药，属合成核苷类药，1970年由ICN制药公司Joseph T. Witkowski合成。对许多DNA和RNA病毒有抑制作用，其机理尚不清楚。美国食品药物
最高法报告美国联邦最高法院判例报告（英语：United States Reports）是美国联邦最高法院所审理过所有案件的官方报告。其标注方式一般会简写为：卷次+U.S.+起始页码+（年代）。比如说，著名的《纽约
Right右束支传导阻滞（Right bundle branch block，简称RBBB）是一类心脏电传导系统阻滞疾病（英语：heart block）。乃肇因于心脏的右束支传导阻断，进而造成电讯号无法经由此途径传入右心室，而
Carl Jung卡尔·古斯塔夫·荣格（Carl Gustav Jung，1875年7月26日－1961年6月6日），瑞士心理学家、精神科医师，分析心理学的创始者。荣格出生于瑞士一个凯斯威尔的村庄。荣格六个月大时，家庭移
放射治疗放射治疗（英语：Radiation therapy）或简称电疗，是使用电离辐射作为治疗疾病的方式。与放射治疗有关的医学专业称为放射肿瘤学或放射治疗学。执行这个专业的医疗从业人员称为放射
童年童年是从出生跨越到青春期的年龄段。童年由两个阶段组成：前运算阶段（preoperational stage）和具体运算阶段（concrete operational stage）。在发展心理学中，童年被分为四个发展阶段
信号肽信号肽（英语：Signal peptide, targeting signals, signal sequences, transit peptides, or localization signals）是引导新合成的蛋白质向分泌通路转移的短（长度5-30个氨基酸）肽
美国宪法宪法正文I ∙ II ∙ III ∙ IV ∙ V ∙ VI ∙ VII其它修正案 XI ∙ XII ∙ XIII ∙ XIV ∙ XV XVI ∙ XVII ∙ XVIII ∙ XIX ∙ XX XXI ∙ XXII ∙ XXIII ∙
口腔期口腔期又称口欲期，是心理学名词，用来描述孩童成长过程中的一个时期。为佛洛伊德所提出的性心理发展中的第一个阶段。这个阶段约发生在在婴儿出生后0到12个月，在此期间，婴儿专注