8-机器学习进阶_自编码器扩展-2-4
skip-gram的思维可以用到词汇通用可以用到句子层级，下一个句子和不是下一个句子，通过分类器就散相似度，是下一个越接近越好，不是越原理越好特征分离特征组合要效果更好的，往往可以引入对抗网络直接网络架构分离把连续的直接变成离散的开源直接归类，binary会更好，可以防止维度过大把要分离的直接选好，然后针对这几种去做比对对抗网络，往往能让机器跟人的更加相似...
·
skip-gram的思维可以用到词汇通用可以用到句子层级，下一个句子和不是下一个句子，通过分类器就散相似度，是下一个越接近越好，不是越原理越好
quick thought,只训练编码层
特征分离，让不可解释的向量，更加具有可解释性，转换成向量，就是因为不同的向量代表了输入的不同的特征
比如文本有语法语义的特征，声音有内容和说话人的特征等等
特征组合
要效果更好的，往往可以引入对抗网络
直接网络架构分离
把连续的直接变成离散的开源直接归类，binary会更好，可以防止维度过大，所以所谓的one-hot就是去最大的，binary-hot就是或者其他设定一个阈值比较
把要分离的直接选好，选好的就是要学出来的某些特征，然后针对这几种去做比对
对抗网络，往往能让机器跟人的更加相似，当除了要满足这个任务的时候，还要满足其他任务就可以引入对抗网络了
当不能微分的时候，就用强化学习，train下去就结束了，强化学习是工具，要加强学习
瓜分20万奖金 获得内推名额 丰厚实物奖励 易参与易上手
更多推荐
0
0- 0
已为社区贡献10条内容
所有评论(0)