1、稀疏性的重要性,暂时只理解到以下几点:
1)稀疏性有利于突出重点
2)人脑神经的激活是稀疏的
3)稀疏性减少了信息量,有利于增加记忆量
4)稀疏的特征更加线性可分
5)计算量减小
6)属于一种正则化,减少了过拟合(不限制的话,一个输入有无数种编码可能)
2、特征排列有序指的是:相似的输入(图像等)应该激活相邻的神经元。重要性:
1)如果输出特征虽然是稀疏的,却并不平滑,不利于学习
2)输出的编码能体现相互之间的相关性,对于分类器等有更好的作用
3)通过局部归类强制输出的编码有序,避免刻意拟合数据,减少过拟合
本文探讨了稀疏性在机器学习中的重要性,包括突出重点、减少信息量、提高计算效率及防止过拟合等方面的作用。同时,讨论了特征排列有序性的意义,如促进学习过程的平滑性、体现特征间的相关性并有助于减少过拟合。
2599

被折叠的 条评论
为什么被折叠?



