zoukankan      html  css  js  c++  java
  • Representation Learning: A Review and New Perspectives论文摘要(翻译:Trey;审校:Shooya)

     

     

    摘要:机器学习算法的成功普遍有赖于数据的表示方法,我们作此假设,是因为数据在不同的背景下会呈现出不同种解释,而不同的表示方法则可以或多或少地掩盖掉这种可变因素。尽管特定领域的特定知识可以用于表示方法的设计,但是,一般性的先验知识同样可以被拿来使用,且对人工智能的追寻,正激励着人们设计出可以将这些先验知识付诸实现的,更强大的——表示方法学习算法。本文回顾机器学习中无监督特征学习以及交叉训练的最新工作,内容包括概率模型、自动编码器、流形学习,以及深度学习架构的最新进展。这将激发一些长年未解的问题的发展,这些问题涉及:好的表示方法的学习、表示方法的计算(即推理)需要达到什么样的目标算为合适,表示方法学习、密度估计和流形学习三者之间具有什么样的几何关系。

    原文页面:https://s3-us-west-2.amazonaws.com/mlsurveys/110.pdf

  • 相关阅读:
    C++中substr函数的用法
    最小生成树-克鲁斯卡尔模板
    最小生成树-prim算法模板
    1064. 朋友数(20)
    1076. Wifi密码 (15)【模拟】
    二分搜索与二分答案
    HDU 1969 Pie【二分】
    1047. 编程团体赛(20)
    1057. 数零壹(20)
    L2-3. 悄悄关注【STL+结构体排序】
  • 原文地址:https://www.cnblogs.com/treyscience/p/3755497.html
Copyright © 2011-2022 走看看