李宏毅机器学习——结构化学习(一)

网友投稿 1009 2022-11-17

李宏毅机器学习——结构化学习(一)

李宏毅机器学习——结构化学习(一)

引言

本文主要介绍了什么是结构化学习(Structured Learning),并简要介绍了下原理。最后对一些应用场景进行了一些说明。

结构化学习

到目前为止,我们考虑的问题它的输入输出都只是向量

实际上我们面对的问题可能比这更复杂,可能输入或输出是序列(sequence),列表(list)、树(tree)或边框(bounding box)。

它其实有很多应用。

语音识别

翻译

中文分词

目标检测

摘要生成

检索

那如何做结构化学习呢,虽然它听起来困难,实际上有个统一的框架。

Unified Framework

目标检测

假设我们要做的是目标检测,给定一张图像,需要从图像中框出某个物体(目标)。

比如要做凉宫春日人物(戴黄色丝带的那个)检测。这只是举个例子,看来李宏毅老师很喜欢二次元啊。实际上可以用同样的技术来检测人脸。

来识别车辆并测距离。

回到识别凉宫春日的图。

你可能期待你的模型能做到框的很正确。下面是一些正确和错误的示例:

接下来测试的时候,给定一张从来没看过的图像,穷举所有的边框。然后看哪个边框得到的分数最高。

可能红色的得到10分,黄色的分数最低。那么红色就是你模型的输出。

摘要生成

在摘要生成中,给定一篇很长的文章(文档),输出一个摘要。

在测试的时候就穷举所有可能的摘要,看哪个最匹配。

检索

在检索的时候,输入是一个关键字,输出是搜索结果的列表。

训练的时候,我们要知道输入某个关键字(query)的时候,输出哪个列表是最匹配的。

测试的时候,穷举所有可能的列表,看哪个列表得分最高。

虽然这个框架看起来很强大,但是这里有三个问题需要解决。

三个问题

如何解​​arg max​​问题

要做目标检测要穷举所有可能的边界。

只要解决这三个问题,就能解结构化学习的问题。

与DNN的关系

结构化学习和深度神经网络是有关系的,怎么说。

接下来在测试的时候,需要穷举10个所有可能的结果。

参考

​​李宏毅机器学习​​

版权声明:本文内容由网络用户投稿,版权归原作者所有,本站不拥有其著作权,亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容,请联系我们jiasou666@gmail.com 处理,核实后本网站将在24小时内删除侵权内容。

上一篇:servlet基础
下一篇:Docker容器实战一:容器介绍
相关文章

 发表评论

暂时没有评论,来抢沙发吧~