范畴表示机器学习算法

发布时间：2018-01-23 01:33

本文关键词： 范畴表示机器学习机器学习表示范畴表示学习范畴表示学习算法　出处：《计算机研究与发展》2017年11期 　论文类型：期刊论文

【摘要】：长期以来,人们认为表示问题是机器学习领域的瓶颈问题之一.机器学习方法的性能在很大程度上依赖于数据表示的选择.数据表示领域的主要问题是如何更好地学习到有意义和有用的数据表示.宽泛来看数据表示领域有深度学习、特征学习、度量学习、成分建模、结构化预测和强化学习等.这些技术应用的范围也非常广泛,包括图像、语音识别和文字理解等.因此,研究机器学习表示方法是一件长期且具有探索意义的工作.基于此,利用范畴理论来研究机器学习方法的表示,提出了范畴表示机器学习方法的基本概念.对决策树、支持向量机、深度神经网络等方法进行研究分析,提出了范畴表示分类算法、范畴表示决策树算法、切片范畴表示主成分分析和支持向量机算法、范畴函子表示深度学习方法,给出相应的理论证明及可行性分析.并对这5种算法做了深入分析,找到了主成分分析和支持向量机之间的本质联系,最后通过仿真实验论证范畴表示方法的可行性.
[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

【作者单位】：苏州大学计算机科学与技术学院;苏州大学机器学习与类脑计算国际合作联合实验室;
【基金】：国家自然科学基金项目(61373093,61402310,61672364,61672365) 苏州大学东吴学者计划项目江苏省普通高校研究生科研创新计划项目~~
【分类号】：TP181
【正文快照】： 众所周知,机器学习方法的性能很大程度上依定义1.范畴(category).由2部分组成:赖于数据的表示.表示作为机器学习基本问题之一,1)一族对象(object)obj,包括样例和实例;一直倍受研究者的关注.表示学习领域的发展速2)任意一对对象A,B,对应映射的集合(A,度决定更好的数据表示出现

【相似文献】