發(fā)布時間：2018-01-23 01:33

  本文關鍵詞： 范疇表示 機器學習 機器學習表示 范疇表示學習 范疇表示學習算法　出處：《計算機研究與發(fā)展》2017年11期 　論文類型：期刊論文

【摘要】：長期以來,人們認為表示問題是機器學習領域的瓶頸問題之一.機器學習方法的性能在很大程度上依賴于數(shù)據(jù)表示的選擇.數(shù)據(jù)表示領域的主要問題是如何更好地學習到有意義和有用的數(shù)據(jù)表示.寬泛來看數(shù)據(jù)表示領域有深度學習、特征學習、度量學習、成分建模、結(jié)構(gòu)化預測和強化學習等.這些技術應用的范圍也非常廣泛,包括圖像、語音識別和文字理解等.因此,研究機器學習表示方法是一件長期且具有探索意義的工作.基于此,利用范疇理論來研究機器學習方法的表示,提出了范疇表示機器學習方法的基本概念.對決策樹、支持向量機、深度神經(jīng)網(wǎng)絡等方法進行研究分析,提出了范疇表示分類算法、范疇表示決策樹算法、切片范疇表示主成分分析和支持向量機算法、范疇函子表示深度學習方法,給出相應的理論證明及可行性分析.并對這5種算法做了深入分析,找到了主成分分析和支持向量機之間的本質(zhì)聯(lián)系,最后通過仿真實驗論證范疇表示方法的可行性.
[Abstract]:For a long time, people think that the problem is one of the bottleneck problems in the field of machine learning. The performance of machine learning methods depends largely on the choice of data representation. The main problems in the field of data representation is how to better learn meaningful and useful data. The data that have broad field of deep learning, feature learning metric learning, modeling, composition, structure prediction and reinforcement learning. The scope of application of these technologies is very extensive, including image, voice recognition and text understanding. Therefore, the research of machine learning method is a long-term and explore the significance of the work. Based on this, said to study machine learning method using category theory the proposed scope, basic concept of machine learning methods. The decision tree, support vector machine, the depth of the neural network method to carry on the research analysis, put forward the category Said that category classification algorithm, decision tree algorithm, slice category representation of principal component analysis and support vector machine algorithm, the category of functors expressed deep learning method, gives the theoretical proof and feasibility analysis. And the 5 algorithms to do in-depth analysis, find the principal component analysis and support vector machine between the nature of the contact, finally the simulation results demonstrate the feasibility of the method. The category of said

【作者單位】： 蘇州大學計算機科學與技術學院;蘇州大學機器學習與類腦計算國際合作聯(lián)合實驗室;
【基金】：國家自然科學基金項目(61373093,61402310,61672364,61672365) 蘇州大學東吳學者計劃項目 江蘇省普通高校研究生科研創(chuàng)新計劃項目~~
【分類號】：TP181
【正文快照】： 眾所周知,機器學習方法的性能很大程度上依定義1.范疇(category).由2部分組成:賴于數(shù)據(jù)的表示.表示作為機器學習基本問題之一,1)一族對象(object)obj,包括樣例和實例;一直倍受研究者的關注.表示學習領域的發(fā)展速2)任意一對對象A,B,對應映射的集合(A,度決定更好的數(shù)據(jù)表示出現(xiàn)

【相似文獻】

相關期刊論文 前10條

1 夏潤海,王開顏;機器學習與智能決策支持系統(tǒng)[J];濰坊學院學報;2003年02期

2 張明玉,倪志偉;基于機器學習的智能決策支持系統(tǒng)[J];淮南師范學院學報;2005年03期

3 楊凌霄;武建平;;機器學習方法在人臉檢測中的應用[J];計算機與數(shù)字工程;2008年03期

4 ;第十一屆中國機器學習會議[J];智能系統(tǒng)學報;2008年02期

5 ;第14屆中國機器學習會議[J];智能系統(tǒng)學報;2012年06期

6 費宗銘;呂建;王志堅;陳道蓄;徐家福;;機器學習[J];計算機科學;1991年01期

7 趙沁平;魏華;王軍玲;;機器學習技術與機器學習系統(tǒng)[J];計算機科學;1993年05期

8 姚敏;機器學習及其發(fā)展方向[J];計算機時代;1994年04期

9 ;第31屆機器學習國際會議(英文)[J];智能系統(tǒng)學報;2014年01期

10 黃海濱;機器學習及其主要策略[J];河池師范高等專科學校學報(自然科學版);2000年04期

相關會議論文 前10條

1 王玨;;歸納機器學習[A];2001年中國智能自動化會議論文集（上冊）[C];2001年

2 吳滄浦;;智能系統(tǒng)與機器學習的新領域[A];西部大開發(fā) 科教先行與可持續(xù)發(fā)展——中國科協(xié)2000年學術年會文集[C];2000年

3 周晴杰;徐立鴻;吳啟迪;;機器學習串級結(jié)構(gòu)的初步探討[A];1998年中國控制會議論文集[C];1998年

4 李剛;郭崇慧;林鴻飛;楊志豪;唐煥文;;基于詞典法和機器學習法相結(jié)合的蛋白質(zhì)名識別[A];大連理工大學生物醫(yī)學工程學術論文集（第2卷）[C];2005年

5 蔡健平;林世平;;基于機器學習的詞語和句子極性分析[A];第三屆全國信息檢索與內(nèi)容安全學術會議論文集[C];2007年

6 黃金鐵;李景銀;周建常;;對高爐爐況評價模型參數(shù)的機器學習——一個三類線性模式分類器的實現(xiàn)[A];1995中國控制與決策學術年會論文集[C];1995年

7 程國建;蔡磊;潘華賢;;核向量機在大規(guī)模機器學習中的應用[A];第十一屆中國青年信息與管理學者大會論文集[C];2009年

8 張鈸;張鈴;;統(tǒng)計學習理論及其應用[A];2001年中國智能自動化會議論文集（上冊）[C];2001年

9 周川;林學，

本文編號：1456310