表征学习

✍ dations ◷ 2025-09-11 07:18:56 #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

呼出呼出（exhalation、expiration）是指动物进行呼吸时，空气或其他物质经由气管离开肺泡的运动。主要是由横膈膜的收缩与舒张来控制。当呼出空气时，横隔膜会呈拱形，肺里的空气体积会减
胃蛋白酶胃蛋白酶（英语：pepsin）是一种消化性蛋白酶，由胃部中的胃粘膜主细胞（gastric chief cell）所分泌，功能是将食物中的蛋白质分解为小的肽片段。胃蛋白酶的前体被称为胃蛋白酶原。1836年
硅燃烧过程硅燃烧过程在天体物理的核聚变反应序列中是非常短暂的过程，它发生在质量至少是8-11太阳质量的恒星。对恒星而言，硅燃烧是大质量恒星长期以来以核聚变供应能量的最后阶段，是燃料
同型半胱氨酸同半胱氨酸（英语：Homocysteine，或称为同型半胱氨酸或高半胱氨酸）是氨基酸半胱氨酸的异构物，在支链部分硫醇基（-SH）前包含一个额外的亚甲基（-CH2-）。同半胱氨酸的额外亚甲基使硫醇基更
独立日美国独立日（英语：Independence Day / the Fourth of July）是为纪念美利坚合众国于公元1776年7月4日于大陆会议中宣布独立宣言所成立的节日。这一天是美国正式宣布从大英帝国宣
克利珀顿岛克利珀顿岛（法语：Île de Clipperton or Île de la Passion；西班牙语： Isla de la Pasión ；英语：Clipperton Island）是一座位于东北太平洋的荒岛，为法国的海外领土。克利珀顿岛位
瓦卢瓦王朝瓦卢瓦王朝（House of Valois），是卡佩王朝的支系，继卡佩家族后承继法国王权，并于1328年至1589年间统治法兰西王国。家族地位较低的成员在阿朗松、安茹、勃艮第和奥尔良等地建立其
巴黎高等商业研究学院巴黎HEC商学院或称法国巴黎高等商学院，其名称源自（Hautes études commerciales de Paris）的缩写，由巴黎工商会（La Chambre de Commerce de Paris）创建于1881年，前身可追溯至1818年
理查德·勒纳理查德·A·勒纳（英语：Richard Alan Lerner，1938年8月26日－），美国化学家，主要以催化抗体方面的研究知名。他曾任斯克里普斯研究所主席，现在是加利福尼亚州拉霍亚斯卡格斯（Skaggs）化学
左旋甲状腺素钠左旋甲状腺素钠是左旋甲状腺素的钠盐。左旋甲状腺素（Levothyroxine），也叫合成T4或'3,5,3',5'-四碘-L-甲状腺素是甲状腺素（甲状腺激素）的合成形式，用于患有甲状腺疾患的患者的激素