知识卡片
变差因素与解耦
设计特征或设计学习特征的算法时,一个核心目标是分离出能解释观察数据的变差因素。这里的’因素’只是指影响的不同来源,未必是乘性组合,通常是无法直接观测的量,比如语音中的说话者年龄、口音和所说词语,或图像中汽车的位置、颜色与光照。现实任务的困难在于多个变差因素同时作用于每个观测:同一辆红色汽车在夜间像素接近黑色,轮廓随视角变化。因此好的表示要把这些因素理清,保留关心的、忽略不关心的;能否把这一分离做好,正是良好表示的关键。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
- · 第1章 引言
原书出处 · 1 处
- 第1章 引言 · 查看原书依据
在许多现实的人工智能应用中,困难主要源于多个变差因素同时影响着我们能够观察到的每一个数据。比如,在一张包含红色汽车的图片中,其单个像素在夜间可能会非常接近黑色。汽车轮廓的形状取决于视角。大多数应用需要我们理清变差因素并忽略我们不关心的因素。
参考来源
- 位置:《深度学习》第1章 引言(源文件:extracted/深度学习/_epub-src/text/part0000_split_000.html)
- 结论依据:原文先定义变差因素并举例,再指出多因素同时影响观测带来的困难,明确'理清并忽略无关因素'是现实应用的核心诉求。
- 原始内容:在许多现实的人工智能应用中,困难主要源于多个变差因素同时影响着我们能够观察到的每一个数据。比如,在一张包含红色汽车的图片中,其单个像素在夜间可能会非常接近黑色。汽车轮廓的形状取决于视角。大多数应用需要我们理清变差因素并忽略我们不关心的因素。