表征学习

✍ dations ◷ 2025-12-04 19:57:44 #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

纳米纳米为微米的千分之一倍（符号 nm，英式英文：nanometre、美式英文：nanometer，字首 nano 在希腊文中的原意是“侏儒”的意思），是一个长度单位，指1米的十亿分之一（10-9m）。有时候也会见到
实证医学人体解剖学 - 人体生理学组织学 - 胚胎学人体寄生虫学 - 免疫学病理学 - 病理生理学细胞学 - 营养学流行病学 - 药理学 - 毒理学实证医学（英语：Evidence-based medicine
IgE免疫球蛋白E（英语：Immunoglobulin E，简称IgE）是一类只发现于哺乳动物内的抗体，是正常人血清中含量最小的免疫球蛋白。免疫球蛋白E由黏膜下淋巴组织中的效应B细胞合成，IgE的单体由
天王补心丸天王补心丹是中医药学传统方剂。同名方约有9首。《校注妇人良方》卷六：人参（去芦）、玄参、丹参、茯苓、远志、桔梗各五钱，生地黄四两，当归酒浸、五味、天门冬、麦门冬去心、柏子
二氧化氯二氧化氯是黄绿色的气体，是氯的最稳定的氧化物，也是唯一大量生产的卤氧化物。二氧化氯在其液态时稳定，但若和一些特定物质接触，也有爆炸的可能。它在约−59°C 时凝结成亮橙色
最佳实践最佳实践（best practice）是一个管理学概念，认为存在某种技术、方法、过程、活动或机制可以使生产或管理实践的结果达到最优，并减少出错的可能性。最佳实践还常常被咨询公司、研
物理学重要著作这些是物理上的重要著作列表，按领域排列。这些著作被认为是重要的原因如下：1.电荷会产生电场(库仑定律) 2.磁场的变化会产生电场(法拉第电磁感应定率) 3.单独的磁极并不存在 4
2010年红场阅兵2010年红场阅兵于2010年5月9日在俄罗斯首都莫斯科举行。这次庆典是为了庆祝65年前的1945年，纳粹德国投降和苏联卫国战争的胜利。2010年的庆典阅兵式是自1991年苏联解体后规模
蚀刻蚀刻是指以酸性、腐蚀性或有研磨效用的物质在玻璃表面上创作的技术。传统上，这段过程是在玻璃吹制好或铸好之后进行的。1920年代，人们发明一种新的模刻技术，即将图案直接刻在铸
英国圣公会英格兰教会（英语：Church of England），或译为英格兰国教会、英国国教会、英格兰圣公会，是基督新教圣公宗的教会之一，16世纪英格兰宗教改革时期，由英格兰君主亨利八世领导，由神学家托