2023年全國(guó)碩士研究生考試考研英語(yǔ)一試題真題(含答案詳解+作文范文)_第1頁(yè)
已閱讀1頁(yè),還剩73頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、隨著各種數(shù)據(jù)來(lái)源和數(shù)據(jù)采集方式的逐漸多樣化,機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘技術(shù)的應(yīng)用場(chǎng)景日益豐富。機(jī)器學(xué)習(xí)研究的本質(zhì)要解決智能化學(xué)習(xí)的基礎(chǔ)表示和模型兩大問(wèn)題,前者需要對(duì)計(jì)算機(jī)可處理的數(shù)據(jù)進(jìn)行特征化表示,這種表示需要具有泛化和可抽象存儲(chǔ)等特點(diǎn);后者需要對(duì)學(xué)習(xí)遇到的數(shù)據(jù)表示進(jìn)行統(tǒng)一的建模以實(shí)現(xiàn)智能化的理解、預(yù)測(cè)、推理等功能。傳統(tǒng)的有監(jiān)督學(xué)習(xí)模型面臨著人工特征工程的可擴(kuò)展性和性能提升困難等瓶頸問(wèn)題,而傳統(tǒng)的無(wú)監(jiān)督學(xué)習(xí)模型面臨著數(shù)據(jù)隱藏結(jié)構(gòu)模式發(fā)現(xiàn)表示的不

2、充分和結(jié)果評(píng)估的困難等問(wèn)題。本文主要研究解決機(jī)器學(xué)習(xí)表示和模型問(wèn)題的一種有效方法—隱式因子模型。隱式因子模型的本質(zhì)是通過(guò)對(duì)輸入數(shù)據(jù)進(jìn)行特征學(xué)習(xí)從而自動(dòng)從數(shù)據(jù)中學(xué)習(xí)到高階的抽象表示,從而提高預(yù)測(cè)模型和數(shù)據(jù)隱藏結(jié)構(gòu)表示的性能。
  首先,針對(duì)傳統(tǒng)有監(jiān)督學(xué)習(xí)模型對(duì)于大量人工特征工程的依賴以及由此導(dǎo)致的輸入數(shù)據(jù)稀疏性問(wèn)題,研究了分別針對(duì)并向量類數(shù)據(jù)和更加一般化有監(jiān)督學(xué)習(xí)標(biāo)注數(shù)據(jù)的因子分解模型,通過(guò)將輸入特征間關(guān)系的隱式因子向量的抽象表示方

3、法,建立以預(yù)測(cè)精度為優(yōu)化目標(biāo)的有監(jiān)督學(xué)習(xí)模型,從而可以將特征間的高階關(guān)系作為一種新的抽象表示特征融入模型,這種隱式因子的特征抽象表示具有更強(qiáng)的表達(dá)能力,從而可以提高模型的預(yù)測(cè)精度。這種有監(jiān)督學(xué)習(xí)模型中的因子分解技術(shù)雖然從一個(gè)角度實(shí)現(xiàn)了高階特征的擴(kuò)展學(xué)習(xí),但是還是需要一些人工特征工程的幫助和優(yōu)化。其次,單層的因子向量或者線性假設(shè)模型對(duì)數(shù)據(jù)的表示能力都有限,為了實(shí)現(xiàn)對(duì)輸入數(shù)據(jù)更具表達(dá)能力的抽象表示,本文隨后研究了更加強(qiáng)調(diào)特征自動(dòng)學(xué)習(xí)的層級(jí)隱

4、式因子模型,借助于傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)形式,可以實(shí)現(xiàn)自底向上的特征逐級(jí)學(xué)習(xí)模型從而實(shí)現(xiàn)對(duì)數(shù)據(jù)的表示學(xué)習(xí)。對(duì)于有監(jiān)督的層級(jí)模型,通過(guò)優(yōu)化網(wǎng)絡(luò)連接結(jié)構(gòu)和共享權(quán)重的思想可以將傳統(tǒng)訓(xùn)練困難的神經(jīng)網(wǎng)絡(luò)擴(kuò)展到多層從而實(shí)現(xiàn)局部特征的有效學(xué)習(xí);對(duì)于有監(jiān)督學(xué)習(xí)模型中可用標(biāo)注數(shù)據(jù)的限制,可以采用層級(jí)因子模型基于大量可用的未標(biāo)注實(shí)現(xiàn)無(wú)監(jiān)督的自學(xué)習(xí)得到數(shù)據(jù)表示模型的結(jié)構(gòu)參數(shù),利用逐層無(wú)監(jiān)督學(xué)習(xí)得到的這種結(jié)構(gòu)參數(shù)可以有效促進(jìn)標(biāo)注數(shù)據(jù)的輸入特征抽象表示,從而提高有監(jiān)

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論