前言:
{
之前的神经网络实践还卡在硬件上,不过目前已经打算先使用云设备,下次应该就会继续进行多目标识别的调试。这次就先写一点零散知识。
在专利[1]中我遇到了新的观点——字典学习(Dictionary Learning)。
}
正文:
{
资料[2]让我想起了之前学习的线性代数知识,当时学线性组成和线性相关时我也是想到了人对事物的理解(或者说我对事物的理解):首先通过之前的经验形成一组基,之后通过这组基来线性组成(理解)新旧事物。我认为这和今天说的字典学习很像。
回到正题,设X代表源数据,D代表字典,Z代表稀疏编码矩阵,即得图1。
![](https://i-blog.csdnimg.cn/blog_migrate/86503ed0e4f083349ca7aa7f777058ef.png)
可以看到,字典就像一个编码解码器一样,Z的数据量比X的小。
字典的学习公式在[1]中如式1。
可见此式即考虑了解码数据与原数据的距离,又考虑了生成的编码的大小。
在[2]中,字典里的原子如图2。