エントリーの編集
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
【スパースコーディング】スパースなデータ表現の利点 - Qiita
記事へのコメント0件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
【スパースコーディング】スパースなデータ表現の利点 - Qiita
スパースなデータ表現とは、データを表現するための辞書を用意し、その要素のできるだけ少ない組み合わ... スパースなデータ表現とは、データを表現するための辞書を用意し、その要素のできるだけ少ない組み合わせでデータを表現することをいいます。 文章で説明されてもいまいちピンとこないと思うので図で表すとこんな感じです。 引用元: Andrew Ng, Unsupervised Feature Learning and Deep Learning, 2015 右側のLearned basesと書いてある部分が辞書を表しています。 スパースコーディングは入力画像の一部または全体を、辞書に含まれる要素の組み合わせで表現しようというものです。 例えば下の例では表現したい画像$x$を$\phi_{36}$、$\phi_{42}$、$\phi_{63}$という3つの要素を