无监督特征学习——Unsupervised feature learning and deep learning

无监督学习近年来很热，先后应用于computer vision, audio classification和 NLP等问题，通过机器进行无监督学习feature得到的结果，其accuracy大多明显优于其他方法进行training。本文将主要针对Andrew的unsupervised learning，结合他的视频：unsupervised feature learning by Andrew Ng做出导论性讲解。

关键词：unsupervised learning，feature extraction，feature learning，Sparse Coding，Sparse DBN，Sparse Matrix，Computer Vision，Audio Classification，NLP

Unsupervised feature learning and deep learning 是斯坦福大学机器学习大牛Andrew Y Ng. 近年来研究的主要领域，他在今年的一份工作Building high-level features using large scale unsupervised learning中就通过unsupervised learning解决了从only unlabeled data上建立高维feature detectors的问题。

=========================第一部分：传统方法Pattern Recognition=========================

通常的，我们进行pattern recognition是这样的：

对于不同类别的feature extraction都是必备的一部分，computer进行detection的 perception就是这样的：

下面分别就这三类问题，<Object detection><Audio Classification><NLP>进行经典feature回顾：