表征学习

✍ dations ◷ 2025-06-28 03:26:39 #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

  • 圣波拉圣波拉(西班牙语:Santa Pola),是西班牙巴伦西亚自治区阿利坎特省的一个市镇。总面积59km2,总人口19782人(2001年),人口密度335人/km2。
  • 终端细支气管小支气管是空气由鼻或口到肺的肺气泡之间的通道,而分支下层不再包含软骨或腺体。小支气管是支气管的分支。小支气管具有微丝血管。Template:Lower respiratory system anatom
  • 哲学研究《哲学研究》是英籍奥地利哲学家路特维希·维特根施坦的著作。《哲学研究》讨论的问题涵盖了语义学、逻辑学、数学哲学,语言哲学和心灵哲学等领域。它是二十世纪最重要的哲学
  • 林业林业是对树木和森林(包括竹林)进行经营、管理,对与其相关的野生动植物资源等生态环境进行保护、管理的行业和科学。它有利于维护和改善地球的生态平衡和生物多样性,能提高人类和
  • 乐透彩票又称为彩券,是指运用在博彩中,印有号码图形或文字供人们填写、选择、购买并按特定规则取得中奖权利的凭证。英国《不列颠百科全书》解释为“通过抽签摇彩,凭机会在一定范围
  • 阿马尔菲海岸阿马尔菲海岸(意大利语:Costiera Amalfitana)是意大利南部萨莱诺省索伦托半岛南侧的一段海岸线,西面到波西塔诺,东面到海上萨莱诺。沿着阿马尔菲海岸的城镇有萨莱诺、滨海维耶特
  • 毛姆威廉·萨默塞特·毛姆, CH(英语:William Somerset Maugham,1874年1月25日-1965年12月16日),英国现代小说家、剧作家。他是那个时代最受欢迎的作家之一,据说是20世纪30年代收入最高
  • 鲁道夫·巴兰古鲁道夫·巴兰古(法语:Rodolphe Barrangou,),法国生物化学家,以对CRISPR-cas系统的研究知名。其团队自2005年起研究了CRISPR-Cas在原核生物免疫中的应用作用,发现内切酶Cas9能够切割
  • 阿尔贝希特·科塞尔阿尔布雷希特·科塞尔(Ludwig Karl Martin Leonhard Albrecht Kossel,1853年9月16日-1927年7月5日),生于罗斯托克,德国医生。科塞尔的工作范畴是生理化学,特别是组织和细胞的化学。
  • 城市规划区城市规划区,也称城乡规划区,简称规划区,是中国大陆编制城市总体规划或城乡总体规划所划定的地域范围,一般包括市区、郊区和城市发展需要控制的地区,亦可包括乡镇和村庄等需要控制