会员服务
在机器学习中，表征学习或表示学习是允许系统从原始数据中自动发现特征检测或分类所需的表示的一组技术。这取代了手动特征工程，并允许机器学习特征并使用它们执行特定任务。在有监督的表征学习中，使用标记的输入数据来学习特征，包括监督神经网络，多层感知器和（监督）字典学习。在无监督表征学习中，特征是与未标记的输入数据一起学习的，包括字典学习，独立成分分析，自动编码器，矩阵分解和各种形式的聚类。
Domain-invariant feature learning in brain MR imaging for content-based image retrieval
Arxiv
0+阅读 · 1月2日
On the Local Complexity of Linear Regions in Deep ReLU Networks
Arxiv
0+阅读 · 2024年12月25日
On the Local Complexity of Linear Regions in Deep ReLU Networks
Arxiv
0+阅读 · 2024年12月24日
Diagonal Over-parameterization in Reproducing Kernel Hilbert Spaces as an Adaptive Feature Model: Generalization and Adaptivity
Arxiv
0+阅读 · 1月15日
Comparison of Feature Learning Methods for Metadata Extraction from PDF Scholarly Documents
Arxiv
0+阅读 · 1月9日
Towards a Statistical Understanding of Neural Networks: Beyond the Neural Tangent Kernel Theories
Arxiv
0+阅读 · 2024年12月25日
Exploring Transformer-Augmented LSTM for Temporal and Spatial Feature Learning in Trajectory Prediction
Arxiv
1+阅读 · 2024年12月18日
Structured IB: Improving Information Bottleneck with Structured Feature Learning
Arxiv
1+阅读 · 2024年12月11日
RADA: Robust and Accurate Feature Learning with Domain Adaptation
Arxiv
0+阅读 · 2024年12月9日
On the Feature Learning in Diffusion Models
Arxiv
0+阅读 · 2024年12月2日
Intensity-Spatial Dual Masked Autoencoder for Multi-Scale Feature Learning in Chest CT Segmentation
Arxiv
0+阅读 · 2024年11月20日
Feature learning as alignment: a structural property of gradient descent in non-linear neural networks
Arxiv
0+阅读 · 2024年11月17日
SLYKLatent: A Learning Framework for Gaze Estimation Using Deep Facial Feature Learning
Arxiv
0+阅读 · 2024年11月13日
How Does Gradient Descent Learn Features -- A Local Analysis for Regularized Two-Layer Neural Networks
Arxiv
0+阅读 · 2024年11月4日
Provable Benefit of Cutout and CutMix for Feature Learning
Arxiv
0+阅读 · 2024年10月31日
参考链接
父主题
机器学习
数据挖掘
微信扫码咨询专知VIP会员
Top