表征学习

✍ dations ◷ 2025-11-27 04:41:18 #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

马尔萨斯增长模式马尔萨斯的增长模式（英文：Malthusian growth model），有时也称“简单的指数增长模型”，本质上是指数增长基础上以恒定的速率。
Fe(Csub5/subHsub4/subP(Csub6/subHsub5/su1,1'-双（二苯基膦）二茂铁，常简写为“dppf”，是一种常用取代膦，也是有机金属化学中的常用配体。dppf在其骨架中含有一个铁原子并与另两个桥联二苯基膦密切相连，如 1,1-双(二苯基膦)
法德关系法德关系是指法国和德国间的外交关系。历史上，法国和德国源自同一个国家：法兰克帝国。843年法兰克帝国分裂后产生的西法兰克王国和东法兰克王国最终各自演变成为“ 法兰西共
比德尔乔治·韦尔斯·比德尔（英语：George Wells Beadle，1903年10月22日－1989年6月9日），美国遗传学家、美国芝加哥大学第7任校长。他与爱德华·劳里·塔特姆发现基因受到特定化学过程的
中国皇后及妃嫔列表中国皇后及妃嫔列表列出中国历史上所有的君主配偶。本页面仅仅是一个索引，请根据时代不同选择以下不同列表：
1931年威斯敏斯特法令威斯敏斯特法令是英国国会在1931年通过的法案，赋英国各自治领更大自治权。此法案中订明：一旦接受威斯敏斯特法令，自治领实际上相当于独立国家，能够自行外交、国防权利。但当时的
Pasub2/subOsub5/sub五氧化二镤是一种镤的氧化物，化学式为Pa2O5，是白色不透明晶体，外观和另一个镤氧化物——二氧化镤有很大的不同，五氧化二镤是白色而二氧化镤是黑色。五氧化二镤与氢气反应产生二
透纳氏症候群特纳氏综合征（Turner syndrome，简称TS）也被称作Ullrich-Turner氏综合征（Ullrich-Turner syndronme）、性腺发育不良（Gonodal dysgenesis）以及45,X，是雌性个体因X染色体部分或完全缺失
CT扫描计算机断层成像（Computed Tomography，简称CT），是一种影像诊断学的检查。这一技术曾被称为计算机轴向断层成像（Computed Axial Tomography）。X射线计算机断层成像（X-Ray Computed To
肺鱼目肺鱼亚纲（学名：Dipnomorpha）是硬骨鱼类的一个类群的鱼，出现在距今约4亿年前，是现存最古老的鱼类之一。肺鱼颌为自接式，平时用鳃呼吸，在干涸时可以用鳔当作肺呼吸，膘在食道处有一开口