表征学习

✍ dations ◷ 2025-11-29 15:54:24 #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

干燥性角结膜炎干眼症（英语：Dry eye syndrome, DES），又名干性角结膜炎（keratoconjunctivitis sicca, KCS），是一种眼睛干涩的状态。其他的症状包括眼睛过敏、发红、多眼屎或是容易疲劳，也可能出现视
代谢途径代谢途径（英语：metabolic pathway）在生物化学中，是一连串在细胞内发生的化学反应，并由酶所催化，形成使用或储存的代谢物，或引发另一个代谢途径（称为“流量控制反应”）。多种途径都是
喀山大学喀山国立大学（俄语：Казанский государственный университет）成立于1804年11月5日，由当时沙皇亚历山大一世签署批文，位于俄罗斯鞑靼斯坦共和
汤汤（约前17世纪－前16世纪），商朝开国之君，子姓，名履，今人多称商汤，又称武汤、天乙、成汤、成唐，商代金文和甲骨文称为唐、成、大乙（太乙），又称高祖乙，原商部落首领，与有莘氏通婚后，任贤臣伊尹
RNA测序核糖核酸测序，简称RNA测序（英语：RNA Sequencing，英文简称RNA-Seq，也被称为全转录物组散弹枪法测序 Whole Transcriptome Shotgun Sequencing，简称WTSS）是基于第二代测序技术的转录
阿尔伯特·克劳德阿尔伯特·克劳德（德语：Albert Claude，1899年8月24日－1983年5月22日），比利时生物学家，1974年因为对细胞构造的研究，而与他的学生克里斯汀·德·迪夫及乔治·帕拉德共同获得诺贝尔生
大里区大里区（台湾话：.mw-parser-output .sans-serif{font-family:-apple-system,BlinkMacSystemFont,"Segoe UI",Roboto,Lato,"Helvetica Neue",Helvetica,Arial,sans-serif} Tāi-
金红光金红光（1957年5月－），黑龙江延寿人，中华人民共和国科学家、中国科学院院士。毕业于东北电力学院动力系。1985年7月，获中国科学院工程热物理研究所硕士，之后供职于中国科学院工程热物
小城市小城市（日语：小城市／おぎし Ogi shi */?）是位于日本佐贺县中央地区的城市。于2005年3月1日由小城郡辖下的芦刈町、牛津町、小城町、三日月町合并而成。因羊羹的消费量为全日本
附件肿块附件肿块，是指子宫附件组织中生长肿物，通常位于卵巢和输卵管中。它可能是良性或恶性的。绝经期后妇女身体中的子宫附件疾病通常包括卵巢囊肿、子宫外孕、良性或恶性肿瘤、子宫