表征学习

✍ dations ◷ 2025-12-09 12:27:01 #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

中世纪中世纪（公元5世纪-公元15世纪）是欧洲历史三大传统划分（“古典时代”、“中世纪”和“近现代”）的一个中间时期，始于西罗马帝国（公元476年）的灭亡，终于东罗马帝国（公元1453年）的灭亡，最
胰脂肪酶胰脂肪酶（Pancrelipases），特别是它的缓释剂型(例如： Creon, Pancreaze, Pertzye, Ultresa, Zenpep) 是猪源性胰淀粉酶的商用混合物(作用于淀粉水解酶)，胰脂肪酶和胰凝乳蛋白
输尿管炎输尿管炎(Ureteritis)指涉及炎症的输尿管医疗病症。其中的一种病症形式被称为"囊性输尿管炎"(ureteritis cystica)。嗜酸粒细胞(Eosinophilic)输尿管炎的病症形式的存在也已
堆肥式厕所堆肥式厕所（英语：composting toilet）或生化厕所（bio toilet）是一种以极少水量冲厕或甚至是无水的厕所，排泄物流入便池中混合木糠、椰棕（英语：Coir）或泥炭藓等物质带氧分解成堆肥，多余
含糊含糊（英语：vagueness），或作模糊，是语义学、哲学用语。在语义学、哲学领域，一般对含糊的解读是：日常语言中，含糊是无法避免的，甚至经常是刻意营造的结果。然而，在专业的文本中，人们通常
酚在有机化学中，酚类化合物（英语：phenol）是一类通式为ArOH，结构为芳烃环上的氢被羟基（—OH）取代的一类芳香族化合物。酚类化合物中最简单的酚为苯酚（C6H5OH，亦称石炭酸）。虽然结构与醇类
秦汉秦汉（公元前221年－公元220年）是中国秦朝和汉朝的并称，该时期结束了春秋战国的分裂局面，废除西周封建制，确立了中央集权。秦汉两朝建立了“天下国家”体制，是塑造中国的民族性格的时
主要节日节日，是生活中值得纪念的重要日子。各民族和地区都有自己的节日。一些节日源于传统习俗，如东亚的新春，端午节、中秋节、清明节、重阳节等。有的节日源于宗教，比如圣诞节、复活节
同源基因同源基因（Homeotic gene）是定义身体各部分组成身体部位的基因。对细胞分裂很重要的Hox基因和ParaHox基因便其中的例子。在ABC模型中带有的MADS盒蛋白基因是另一个例子。同源异
陆大道陆大道（1940年10月22日－），中国科学院院士，中国地理学家。1940年出生于安徽桐城。主要从事经济地理学研究。1963年毕业于北京大学地质地理系。2003年当选为中国科学院院士。现为中