原书出处
深度学习
13 第13章 线性因子模型
t al. (2013f)描述了不同模型族中的近似推断,如尖峰和平板稀疏编码模型,其中先验的样本通常包含许多真正的0。
与非参数编码器结合的稀疏编码方法原则上可以比任何特定的参数化编码器更好地最小化重构误差和对数先验的组合。另一个优点是编码器没有泛化误差。参数化的编码器必须泛化地学习如何将 x 映射到 h 。
对于与训练数据差异很大的异常 x ,所学习的参数化编码器可能无法找到对应精确重构或稀疏的编码 h 。对于稀疏编码模型的绝
原书定位详情
来源:a19c7933-4eda-4176-aebd-30fe7e1ad292
正文位置:extracted/深度学习/_epub-src/text/part0005_split_000.html
EPUB SHA-256:30b05f447b47f121324499dd200696e34be257d5cd4c4b753541b42f40a94639