人们谈论神经网络应该如何学习“解纠缠表示”而不是“分布式表示”，以便深度学习模型更具可解释性和可理解性。这两个术语的定义是什么以及任何特定的例子？
在深度学习中，“解耦表示”和“分布式表示”有什么区别
机器算法验证
机器学习
深度学习
特征工程
2022-03-22 14:35:21
1个回答
假设以下向量分别表示球：[1,0,0,0] 和汽车：[0,1,0,0]
在这种表示中，单个神经元无需依赖其他神经元即可学习球或汽车的含义。这是一种解开的表示，旨在促进对人工神经网络的理解。
这与分布式表示形成对比，例如，球：[0.1,-0.02,0.45,0.06] 和汽车：[-0.78,-0.1,0.83,0.01]。在这种情况下，对象由向量空间中的特定位置表示。这种类型的表示例如是 word2vec 算法的结果。
其它你可能感兴趣的问题