本文介绍了迹（Trace）的概念，它表示方阵对角线元素之和；探讨了tied weights在自动编码器中的应用；详细阐述了最大平均差异（MMD）在域适应中的作用，作为评估两个分布相似性的指标；解析了核函数的基本思想，它是解决非线性可分问题的关键，并列举了几种常见核函数；同时，还简述了正定矩阵和正则化的意义，正则化是一种通过添加惩罚项来优化模型的方法。
1）trace（x）,x为一方阵。 求二维方阵的迹，即该方阵对角线上元素之和（特征值之和）。同一个线性变换，在不同基底下的矩阵虽然不同，但其这些矩阵的迹相同。我们生活的世界是变化的，研究问题就要抓住这些变化中的不变量进行研究。
2)读一些文章时会碰到tied weights 或者weights are tied等说法，意思是比如在autoencoder中， 隐藏层的W 和输出的W’。可以选择让 W ′ =
迹，最大平均差异，核函数等基本概念理解
最低0.47元/天 解锁文章
扫一扫
评论
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
查看更多评论
添加红包
