本文關(guān)鍵詞： 范疇表示 機(jī)器學(xué)習(xí) 機(jī)器學(xué)習(xí)表示 范疇表示學(xué)習(xí) 范疇表示學(xué)習(xí)算法　出處：《計(jì)算機(jī)研究與發(fā)展》2017年11期 　論文類(lèi)型：期刊論文

【摘要】：長(zhǎng)期以來(lái),人們認(rèn)為表示問(wèn)題是機(jī)器學(xué)習(xí)領(lǐng)域的瓶頸問(wèn)題之一.機(jī)器學(xué)習(xí)方法的性能在很大程度上依賴(lài)于數(shù)據(jù)表示的選擇.數(shù)據(jù)表示領(lǐng)域的主要問(wèn)題是如何更好地學(xué)習(xí)到有意義和有用的數(shù)據(jù)表示.寬泛來(lái)看數(shù)據(jù)表示領(lǐng)域有深度學(xué)習(xí)、特征學(xué)習(xí)、度量學(xué)習(xí)、成分建模、結(jié)構(gòu)化預(yù)測(cè)和強(qiáng)化學(xué)習(xí)等.這些技術(shù)應(yīng)用的范圍也非常廣泛,包括圖像、語(yǔ)音識(shí)別和文字理解等.因此,研究機(jī)器學(xué)習(xí)表示方法是一件長(zhǎng)期且具有探索意義的工作.基于此,利用范疇理論來(lái)研究機(jī)器學(xué)習(xí)方法的表示,提出了范疇表示機(jī)器學(xué)習(xí)方法的基本概念.對(duì)決策樹(shù)、支持向量機(jī)、深度神經(jīng)網(wǎng)絡(luò)等方法進(jìn)行研究分析,提出了范疇表示分類(lèi)算法、范疇表示決策樹(shù)算法、切片范疇表示主成分分析和支持向量機(jī)算法、范疇函子表示深度學(xué)習(xí)方法,給出相應(yīng)的理論證明及可行性分析.并對(duì)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(jī)之間的本質(zhì)聯(lián)系,最后通過(guò)仿真實(shí)驗(yàn)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(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院;蘇州大學(xué)機(jī)器學(xué)習(xí)與類(lèi)腦計(jì)算國(guó)際合作聯(lián)合實(shí)驗(yàn)室;
【基金】：國(guó)家自然科學(xué)基金項(xiàng)目(61373093,61402310,61672364,61672365) 蘇州大學(xué)東吳學(xué)者計(jì)劃項(xiàng)目 江蘇省普通高校研究生科研創(chuàng)新計(jì)劃項(xiàng)目~~
【分類(lèi)號(hào)】：TP181
【正文快照】： 眾所周知,機(jī)器學(xué)習(xí)方法的性能很大程度上依定義1.范疇(category).由2部分組成:賴(lài)于數(shù)據(jù)的表示.表示作為機(jī)器學(xué)習(xí)基本問(wèn)題之一,1)一族對(duì)象(object)obj,包括樣例和實(shí)例;一直倍受研究者的關(guān)注.表示學(xué)習(xí)領(lǐng)域的發(fā)展速2)任意一對(duì)對(duì)象A,B,對(duì)應(yīng)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(xiàn)】

相關(guān)期刊論文 前10條

1 夏潤(rùn)海,王開(kāi)顏;機(jī)器學(xué)習(xí)與智能決策支持系統(tǒng)[J];濰坊學(xué)院學(xué)報(bào);2003年02期

2 張明玉,倪志偉;基于機(jī)器學(xué)習(xí)的智能決策支持系統(tǒng)[J];淮南師范學(xué)院學(xué)報(bào);2005年03期

3 楊凌霄;武建平;;機(jī)器學(xué)習(xí)方法在人臉檢測(cè)中的應(yīng)用[J];計(jì)算機(jī)與數(shù)字工程;2008年03期

4 ;第十一屆中國(guó)機(jī)器學(xué)習(xí)會(huì)議[J];智能系統(tǒng)學(xué)報(bào);2008年02期

5 ;第14屆中國(guó)機(jī)器學(xué)習(xí)會(huì)議[J];智能系統(tǒng)學(xué)報(bào);2012年06期

6 費(fèi)宗銘;呂建;王志堅(jiān);陳道蓄;徐家福;;機(jī)器學(xué)習(xí)[J];計(jì)算機(jī)科學(xué);1991年01期

7 趙沁平;魏華;王軍玲;;機(jī)器學(xué)習(xí)技術(shù)與機(jī)器學(xué)習(xí)系統(tǒng)[J];計(jì)算機(jī)科學(xué);1993年05期

8 姚敏;機(jī)器學(xué)習(xí)及其發(fā)展方向[J];計(jì)算機(jī)時(shí)代;1994年04期

9 ;第31屆機(jī)器學(xué)習(xí)國(guó)際會(huì)議(英文)[J];智能系統(tǒng)學(xué)報(bào);2014年01期

10 黃海濱;機(jī)器學(xué)習(xí)及其主要策略[J];河池師范高等專(zhuān)科學(xué)校學(xué)報(bào)(自然科學(xué)版);2000年04期

相關(guān)會(huì)議論文 前10條

1 王玨;;歸納機(jī)器學(xué)習(xí)[A];2001年中國(guó)智能自動(dòng)化會(huì)議論文集（上冊(cè)）[C];2001年

2 吳滄浦;;智能系統(tǒng)與機(jī)器學(xué)習(xí)的新領(lǐng)域[A];西部大開(kāi)發(fā) 科教先行與可持續(xù)發(fā)展——中國(guó)科協(xié)2000年學(xué)術(shù)年會(huì)文集[C];2000年

3 周晴杰;徐立鴻;吳啟迪;;機(jī)器學(xué)習(xí)串級(jí)結(jié)構(gòu)的初步探討[A];1998年中國(guó)控制會(huì)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(jī)器學(xué)習(xí)法相結(jié)合的蛋白質(zhì)名識(shí)別[A];大連理工大學(xué)生物醫(yī)學(xué)工程學(xué)術(shù)論文集（第2卷）[C];2005年

5 蔡健平;林世平;;基于機(jī)器學(xué)習(xí)的詞語(yǔ)和句子極性分析[A];第三屆全國(guó)信息檢索與內(nèi)容安全學(xué)術(shù)會(huì)議論文集[C];2007年

6 黃金鐵;李景銀;周建常;;對(duì)高爐爐況評(píng)價(jià)模型參數(shù)的機(jī)器學(xué)習(xí)——一個(gè)三類(lèi)線(xiàn)性模式分類(lèi)器的實(shí)現(xiàn)[A];1995中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];1995年

7 程國(guó)建;蔡磊;潘華賢;;核向量機(jī)在大規(guī)模機(jī)器學(xué)習(xí)中的應(yīng)用[A];第十一屆中國(guó)青年信息與管理學(xué)者大會(huì)論文集[C];2009年

8 張鈸;張鈴;;統(tǒng)計(jì)學(xué)習(xí)理論及其應(yīng)用[A];2001年中國(guó)智能自動(dòng)化會(huì)議論文集（上冊(cè)）[C];2001年

9 周川;林學(xué)，

本文編號(hào)：1456310