← 返回卡片

原书出处

深度学习

15 第15章 表示学习

核验版本的摘录快照 · 导入于 2026-11-19T07:27:03.635Z

量h 和p(x |h )的生成模型,我们可以期望最后的模型对所有种类的变化有更好的泛化和鲁棒性。 15.4 分布式表示

分布式表示的概念(由很多元素组合的表示,这些元素之间可以设置成可分离的)是表示学习最重要的工具之一。分布式表示非常强大,因为他们能用具有k个值的n个特征去描述k n 个不同的概念。

正如我们在本书中看到的,具有多个隐藏单元的神经网络和具有多个潜变量的概率模型都利用了分布式表示的策略。我们现在再介绍一个

此预览只包含定位所需的摘录和上下文。

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