表征学习

✍ dations ◷ 2025-12-11 10:40:22 #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

精神药物精神药物（英语：psychoactive drug），又称精神药品（psychopharmaceutical，或psychotropic）。有些精神药品具有医疗和科学价值。一种化学物质的概称，这些物质能够穿越血脑屏障，直接作用
p53蛋白质1A1U、 1AIE、 1C26、 1DT7、 1GZH、 1H26、 1HS5、 1JSP、 1KZY、 1MA3、 1OLG、 1OLH、 1PES、 1PET、 1SAE、 1SAF、 1SAK、 1SAL、 1TSR、 1TUP、 1UOL、 1XQH、 1YC5、
Routledge劳特里奇（英语：Routledge，/ˈraʊtlɪdʒ/）是一家英国跨国出版商，由乔治·劳特里奇（英语：George Routledge）正式创办于1851年，专注于学术书籍、期刊以及在线资源出版服务，主要涉及社会
法荷战争法荷战争，1672年-1678年，是一场欧洲战争，一方为路易十四法兰西王国、瑞典帝国、明斯特主教区、科隆主教区和英国，另一方为荷兰共和国，以及后来加入的神圣罗马帝国、勃兰登堡、西
萨里大学萨里大学（英语：University of Surrey），也译作索立大学，成立于1891年，位于伦敦市西南萨里郡的吉尔福德。萨里大学前身是巴特西理工学院，是1994联盟的成员。其研究范围包括了小卫星等
文部科学省文部科学省（日语：文部科学省／もんぶかがくしょう Monbu Kagaku Shō */?，英语：Ministry of Education, Culture, Sports, Science and Technology），简称文科省、MEXT，是日本中央省
时代时代可以指：
庄文颖庄文颖（1948年7月－），中国真菌学家。中国科学院微生物研究所研究员。生于北京，原籍北京。1975年毕业于山西农学院（现山西农业大学）农学系，1981年在中国科学院研究生院获硕士学位，1988
钳钳是手工具，多数用来稳固地拿着物件，或者切断和弯曲坚韧材料，例如电线。通常，钳子包括一个对金属杠杆组装在钳的其中一边末端，钳的钳头位一般位于距离杠杆较短的一边，手柄则位于距
恋医学恋医学癖（英语：Medical fetishism）是一种恋物癖形式，对涉及医疗或临床的相关物体、行为、场所或情境产生恋物癖。这包括在性角色扮演中扮演与医疗相关的人士，例如各科医师、护理