【零散知识】字典学习(Dictionary Learning)
前言:
{
之前的神经网络实践还卡在硬件上,不过目前已经打算先使用云设备,下次应该就会继续进行多目标识别的调试。这次就先写一点零散知识。
在专利[1]中我遇到了新的观点——字典学习(Dictionary Learning)。
}
正文:
{
资料[2]让我想起了之前学习的线性代数知识,当时学线性组成和线性相关时我也是想到了人对事物的理解(或者说我对事物的理解):首先通过之前的经验形成一组基,之后通过这组基来线性组成(理解)新旧事物。我认为这和今天说的字典学习很像。
回到正题,设X代表源数据,D代表字典,Z代表稀疏编码矩阵,即得图1。
可以看到,字典就像一个编码解码器一样,Z的数据量比X的小。
字典的学习公式在[1]中如式1。
可见此式即考虑了解码数据与原数据的距离,又考虑了生成的编码的大小。
在[2]中,字典里的原子如图2。
其中每个原子都是训练得到的。值得注意的是,[2]中的原数据被划分成了与字典原子维度一致的pitch(块),也就是说上述X和Z实际上都是小块,并且这些原子都是基于pitch得到的(在资料[3]中原子就是部分pitch,更新也就是使用某个pitch来更换某个原子);相应地,解码输出也是对应的pitch。
图2是一种方法的结果,其中image的左边是原数据,image的右边是解码数据,difference是image与原数据的差别。
可以看到,编码解码后还是会损失部分细节。
}
结语:
{
本来这次想记录对专利[1]的理解,但其中数学公式太多,也需要很多时间。所以这次就先简单记录一下字典学习的概念,现在的时间和精力还不能分配到这上面。
这次就先用点零散知识充数,我也尽量保持3天1更。
参考资料:
{
[1]《基于原子拉普拉斯图正则化的半监督字典学习的样本类别归类方法》(CN 108564107)http://so.lotut.com/patent/search/article.html?patent_id=5bbffae4d827b71f1b11b780
[2]https://www.cnblogs.com/hdu-zsk/p/5954658.html
[3]https://www.jianshu.com/p/f6e5d1cd21b9
}
}
【零散知识】字典学习(Dictionary Learning)相关推荐
- 字典学习 (Dictionary Learning) —— K-SVD 算法
文章目录 论文 问题描述 求解原理 python 实现 KSVD 算法 测试 结果可视化函数 论文 M. Aharon, M. Elad and A. Bruckstein, "K-SVD: ...
- Dictionary Learning(字典学习、稀疏表示以及其他)
第一部分 字典学习以及稀疏表示的概要 字典学习(Dictionary Learning)和稀疏表示(Sparse Representation)在学术界的正式称谓应该是 稀疏字典学习(Sparse D ...
- 『ML笔记』深入浅出字典学习1(Dictionary Learning)
目录 一.预备知识 二.字典学习以及稀疏表示的概要 2.1.我们为什么需要字典学习? 2.2.我们为什么需要稀疏表示? 三.下一节 参考文献 一.预备知识 稀疏向量:假设向量中的元素绝大部分为零元素, ...
- 字典学习(Dictionary Learning)
字典学习(Dictionary Learning) SparseCoder和DictionaryLearning的关系是什么? sklearn.decomposition: Matrix Decomp ...
- 稀疏编码(sparse code)与字典学习(dictionary learning)
Dictionary Learning Tools for Matlab. 1. 简介 字典 D∈RN×KD\in \mathbb R^{N\times K}(其中 K>NK>N),共有 ...
- SCDL--稀疏编码(sparse code)与字典学习(dictionary learning)
转载自未雨愁眸 https://www.cnblogs.com/mtcnn/p/9421836.html 1. 简介 字典 D∈RN×K(其中 K>N),共有 k 个原子,x∈RN×1 在字典 ...
- (转) ML笔记:字典学习1(Dictionary Learning)
原 ML笔记:字典学习1(Dictionary Learning) 2019年02月27日 16:08:42 KaifangZhang 阅读数:215更多 <div class="ta ...
- 字典学习(Dictionary Learning, KSVD)详解
注:字典学习也是一种数据降维的方法,这里我用到SVD的知识,对SVD不太理解的地方,可以看看这篇博客:<SVD(奇异值分解)小结 >. 1.字典学习思想 字典学习的思想应该源来实际生活中的 ...
- 『ML笔记』深入浅出字典学习2(Dictionary Learning)
深入浅出字典学习2(Dictionary Learning) 文章目录 一.理解K-SVD字典学习 二.K-SVD字典学习算法概述 2.1.随机初始化字典D 2.2.固定字典,求取每个样本的稀疏编码 ...
最新文章
- AI公司融了1500万美元,却引来LeCun「嘲讽三连」,还要出书调侃CEO?
- python构建t检验(Student’s t-test)
- java 反射 Gc_深入浅析Java反射机制
- 黑莓GPRS上网套餐包月 300MB流量 不限CMWAP/CMNET
- 【数据竞赛】2020腾讯广告算法大赛冠军方案分享及代码
- CSS(五):背景、列表、超链接伪类、鼠标形状控制属性
- Memcached 源码分析——从 main 函数说起
- Java进阶04 RTTI
- shell mysql_shell操作mysql
- 阿里云的这个智能编码插件真心好用!Java 开发神器!!!
- 从jsp页面到servlet传值的不同方式
- OA项目之我的审批(查询会议签字)
- 利用图神经网络进行社交机器人检测
- Axure RP 8.0 软件安装教程
- cubietruck下配置aria2+yaaw
- 设备无法使用、驱动载入异常(39){无法取得路径} 路径 %hs 不存在
- LeCo-200. 岛屿数量
- 恒星结构和演化-学习记录6-第五章-恒星核合成
- php防止重复刷新,php防止页面重复刷新
- 关于SEO(搜索引擎优化)的个人掌握知识分享