Sparse Filtering 是一个用于提取特征的无监督学习算法，与通常特征学习算法试图建模训练数据的分布的做法不同，Sparse Filtering 直接对训练数据的特征分布进行分析，在所谓“好特征”的指导下构建目标函数来进行优化，其中只涉及一个可调参数。本文将主要讨论两个问题：（1）什么样的特征是好的特征；（2）如何利用好特征的条件来构造 Sparse Filtering 的目标函数。
目录链接
（一）网络结构与特征矩阵
（二）好特征的刻画
（三）目标函数的建立和求解
参考文献
1. Ngiam, J., Koh, P. W., Chen, Z., Bhaskar, S. A., Ng, A. Y. (2011). Sparse Filtering. In NIPS (Vol. 11, pp. 1125-1133).
2. 牛顿法与拟牛顿法学习笔记（五）L-BFGS 算法
3. Deep learning made easy
4. Deep Learning论文笔记之（二）Sparse Filtering稀疏滤波
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请联系我们举报，一经查实，本站将立刻删除。发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/198532.html原文链接：https://javaforall.net
Sparse Filtering 学习笔记（三）目标函数的建立和求解
Sparse Filtering 学习笔记（三）目标函数的建立和求解SparseFilter 是一个用于提取特征的无监督学习算法 与通常特征学习算法试图建模训练数据的分布的做法不同 SparseFilter 直接对训练数据的特征分布进行分析 在所谓 好特征 的指导下构建目标函数来进行优化 其中只涉及一个可调参数 本文将主要讨论两个问题 1 什么样的特征是好的特征 2 如何利用好特征的条件来构造 SparseFilter 的目标函数
赞 (0)
关于作者
ubuntu：如何制作类似jeso的系统？
上一篇
2026年3月26日 下午3:00
VSTO开发指南
下一篇
2026年3月26日 下午3:00
相关推荐
-
mapminmax 用法「建议收藏」
mapminmax 用法「建议收藏」mapminmax是MATLAB实现归一化的工具包，默认：（1）将矩阵的每行分别进行归一化；（2）每行的最大值最小值作为每行归一化的xmin和xmax；（3）将数据归一化到[-1,1].若要将数据归一化到0到1之间，即y∈[0,1]，使用b=mapminmax(a,0,1);若给与确定的最大值和最小值作为每行的xmin和xmax，使用：b= mapminmax(a,0,1)；PS.xmin…
-
-
-
一个简单的Python暴力激活成功教程网站登录密码脚本「建议收藏」
一个简单的Python暴力激活成功教程网站登录密码脚本「建议收藏」使用Python的Request库的get()方法来发送http请求，利用Python脚本循环遍历字典来进行暴力激活成功教程
