从机器学习算法的发展 理解 端到端(end to end)学习
来源:互联网 发布:c罗会说几种语言 编辑:程序博客网 时间:2024/06/06 08:30
经典机器学习方式是以人类的先验知识将raw数据预处理成feature,然后对feature进行分类。分类结果十分取决于feature的好坏。
传统机器学习专家将大部分时间花费在设计feature上。那时的机器学习有个更合适的名字叫feature engineering 。
后来人们发现,利用神经网络,让网络自己学习如何抓取feature效果更佳。于是兴起了representation learning。这种方式对数据的拟合更加灵活。 网络进一步加深,多层次概念的representation learning将识别率达到了另一个新高度。
Deep learning 指多层次的特征提取器与识别器统一训练和预测的网络。
end to end的好处:通过缩减人工预处理和后续处理,尽可能使模型从原始输入到最终输出,给模型更多可以根据数据自动调节的空间,增加模型的整体契合度。
拿语音识别为具体实例。普遍方法是将语音信号转成频域信号,并可以进一步加工成符合人耳特点的MFCC进行编码(encode)。也可以选择Convolutional layers对频谱图进行特征抓取。这样可在encode的部分更接近end to end 中的第一个end。 但识别出的结果并不可以告诉我们这段语音到底是什么。DNN-HMM混合模型还需要将DNN识别出的结果通过HMM来解码(decode)。而RNN-CTC就将HMM的对齐工作交给了网络的output layer来实现。在decode的部分更接近end to end 中的第二个end。
阅读全文
0 0
- 从机器学习算法的发展 理解 端到端(end to end)学习
- 机器学习中的End-to-End到底是怎么回事?
- end-to-end 理解
- 机器学习三人行(系列三)---End-to-End机器学习建模
- Andrew机器学习课程笔记(6)[End]—— 机器学习的一个应用实例
- 基于循环神经网络(RNN)的端到端(end-to-end)对话系统
- 神经网络end to end的意思
- begin/end学习
- Git学习日记(end)
- 神经网络中end-to-end training和end-to-end models的区别
- 深度学习笔记1:end-to-end、anchor box解释、人体检测代码
- Deal or No Deal? End-to-End Learning for Negotiation Dialogues学习笔记
- do Lua语言学习(一) end
- do Lua语言学习(二) end
- End-to-End Workload Analysis
- End-To-End Memory Networks
- End-To-End Memory Networks
- End-to-End Memory Network
- Flask回掉接入点简单实现静态页面缓存
- 关于进行安装程序出现注册DLL/OCX失败,返回码:0x5问题
- 关于修改select样式的方法
- RabbitMq、ActiveMq、ZeroMq、kafka之间的比较
- 设计模式 -- 单例模式
- 从机器学习算法的发展 理解 端到端(end to end)学习
- qcom 显示驱动注册流程
- Tensorflow--useful function
- centos7 nginx安装与配置实现负载均衡
- leetcode 342. Power of Fou
- 如何设计一个秒杀系统
- Java I/O系统之Writer
- 24.Nginx监听套接字读事件处理函数ngx_event_accept
- 前端生成二维码