论文阅读机器学习原型学习研究进展
阅读目标
- 寻找原型与偏差之间的关系
- 了解原型学习的方法然后pick one
阅后回答
摘要
动机:消除数据冗余、发现数据结构、提高数据质量
方法:通过寻找一个原型集来表示目标集,以从样本空间进行数据约简
分类:按照监督方式):分为无监督、半监督和全监督;按照模型设计,分为基于相似度、行列式点过程、数据重构和低秩逼近
概念和意义
概念:设有源集 X X X和目标集 Y Y Y,目标是从 X X X中找到一个原型集 Ω \Omega Ω,使得 Ω \Omega Ω能够最大程度地保持目标集 Y Y Y所蕴含的信息,如下图:
直接看概念和图示较难理解,可以结合这个例子:相簿更新系统,摄影集是源集 X X X,用户的初选照片担任目标集 Y Y Y,我们的目标是从源集中找到最符合用户原始收藏习惯的照片,即原型集 Ω \Omega Ω
那么目标集就可以看作是为我们寻找原型提供依据的身份,在实际应用中,目标集和原型集应该有着更相似的物理意义,但同时应该指出,很多任务中的目标集和源集是一样的,因为我们更多时候找不到原型的依据,这时原型学习就很像是无监督学习中的聚类学习,但聚类和原型学习是不一样的,区别是:
- 聚类学习中,我们更关注目标集的语义信息;但原型学习的概念更广,我们希望原型可以不仅表示目标集的语义信息,还能表示目标集的结构或容量等信息;从这种意义上讲,原型学习可以视为一种细粒度的聚类问题
- 原型学习获得的原型数量是灵活变化的,而聚类需要提前预设要聚几类
原型学习的方法
按照是否使用了语义信息约束原型的生成,可以分为无监督、半监督和全监督方法:
监督方式 | 介绍 | 方法 | 应用 | 参考文章 |
---|---|---|---|---|
无监督 | 大部分工作使用的方法 | k-DPPs | 通常被用来选择视频序列的关键帧 | K-dpps: fixed-size determinantal point processes. |
最大割准则和最大边缘相关准则 | 原型集内元素间的关联性对于面向时序数据的视觉应用十分重要 | The use of MMR, diversity-based reranking for reordering documents and producing summaries. | ||
半监督 | 当用户不仅需要代表性的子集且希望了解它们是什么 | Joint representative selection and feature learning: a semi-supervised approach. | ||
全监督 | 当能够获得数据的语义信息时(如图像分类算法) | 基于浅层模型的原型学习 | 通常用来约简k-NN、SVM等推理算法的训练数据 | RSVM: Reduced support vector machines. |
深度学习的原型学习 | 学习表征、增强模型泛化能力 | Robust classification with convolutional prototype learning. |
这篇好文章是转载于:学新通技术网
- 版权申明: 本站部分内容来自互联网,仅供学习及演示用,请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系,请提供相关证据及您的身份证明,我们将在收到邮件后48小时内删除。
- 本站站名: 学新通技术网
- 本文地址: /boutique/detail/tanhiabekg
系列文章
更多
同类精品
更多
-
photoshop保存的图片太大微信发不了怎么办
PHP中文网 06-15 -
word里面弄一个表格后上面的标题会跑到下面怎么办
PHP中文网 06-20 -
photoshop扩展功能面板显示灰色怎么办
PHP中文网 06-14 -
《学习通》视频自动暂停处理方法
HelloWorld317 07-05 -
Android 11 保存文件到外部存储,并分享文件
Luke 10-12 -
TikTok加速器哪个好免费的TK加速器推荐
TK小达人 10-01 -
微信公众号没有声音提示怎么办
PHP中文网 03-31 -
excel下划线不显示怎么办
PHP中文网 06-23 -
excel打印预览压线压字怎么办
PHP中文网 06-22 -
微信运动停用后别人还能看到步数吗
PHP中文网 07-22