关键词sparse distributed representations
搜索结果 - 5
- 稀疏分布数据中是否可以避免维数灾难采用类何比学习规则?
本文探讨了大脑如何使用 Hebbian 学习规则来避免高维稀疏分布表示的 “维度灾难” 问题,并使用特定的稀疏数据集来证实使用 Restricted Boltzmann Machines 分类器的好处。
- 稀疏分布式表示的变量绑定:理论与应用
本文探讨了 Vector Symbolic Architectures 中稀疏分布式表示下的符号推导,通过实验证明了基于块编码进行变量绑定的方法具有良好的性质,并在认知推理和分类等实际应用中展示了它的价值。
- 在强化学习中学习稀疏表示
本文探讨强化学习算法中的 TD Learning 和基础节疤核在强化学习中的作用,使用计算机模拟来验证利用稀疏的联合表示来学习在特定环境下获得预期奖励的好处。
- 利用稀疏表示技术强化多义词处理能力
使用稀疏分布式表示来表达单词的多个意思,Category Builder 是一个工作系统,可以支持多方面的词汇表示和多重成员资格,对于诸如 “埃及的恒河” 或 “托尔金的伏地魔” 之类的类比问题表现出色。
- HTM 系统的数据编码
本篇论文描述了如何将数据编码为少量分布式表示(SDRs),并将其用于 HTM 系统,这是一种生物学启发的机器智能技术,模拟了新皮层的结构和过程。