度量学习-LMNN-对论文的个人理解(立意简单分类方法)
度量学习简介:简单来讲,就是学习如何衡量不同样本之间的相似性。度量学习举例:对于样本x1,x2.度量学习的目的就是学习D(x1,x2).其中D函数有一下特点:这里的D函数输出结果可以看作是相似性的倒数,或者干脆叫做差异性。其中L就是我们要学习的参数,目前本人知道的D的模式就有1.神经网络(训练两个神经网络结构S1,S2;其输入分别是两个样本x1,x2;最终的输出是维度一致的y1,y2;训练的损失就是||y1-y2||,一个欧式距离损失,也就是二次损失),神经网络模式下,又分了两种情况:1.1
原创
2020-10-13 16:11:13 ·
1438 阅读 ·
0 评论