¿Qué significa src?

Src significa clasificación basada en representación dispersa, y la ortografía completa es clasificador basado en representación dispersa.

El concepto de codificación dispersa proviene de la neurobiología. Los biólogos proponen que durante la evolución a largo plazo de los mamíferos, los mamíferos han desarrollado la capacidad de representar imágenes naturales de forma rápida, precisa y a bajo costo en términos de nervios visuales.

Cada imagen que la gente ve tiene cientos de millones de píxeles y es difícil para el cerebro de las personas almacenarla directamente como las computadoras. Las investigaciones muestran que las personas extraen muy poca información de cada imagen para almacenarla. La gente lo llama codificación dispersa, es decir, codificación dispersa. El método de aprendizaje automático que aplica el método de codificación dispersa a la clasificación se llama SRC.

La representación dispersa es una tecnología comúnmente utilizada en el aprendizaje automático. Se puede utilizar para diversas tareas, como clasificación, agrupación y reducción de dimensionalidad. En las tareas de clasificación, una representación escasa puede ayudarnos a comprender mejor los datos y mejorar la precisión de la clasificación.

Aplicación de src

En aplicaciones prácticas, se puede lograr una representación dispersa mediante una variedad de métodos. El método más utilizado es la regularización L1, que agrega un término de penalización L1 al modelo de clasificación para hacer que el vector de peso del modelo sea más escaso. Además, también se pueden utilizar métodos basados ​​en diccionarios, que representan los datos como una combinación lineal de un conjunto de vectores base para lograr una representación dispersa.

Los métodos de clasificación para representación dispersa se pueden dividir en dos categorías: métodos basados ​​en características y métodos basados ​​en diccionarios. Los métodos basados ​​en características representan datos como vectores dispersos de características originales para lograr la clasificación. La ventaja de este método es que es simple y fácil de usar, pero necesita seleccionar las características apropiadas; de lo contrario, el efecto de clasificación se verá afectado.

Los métodos basados ​​en diccionarios representan datos como una combinación lineal de un conjunto de vectores base para lograr la clasificación. La ventaja de este método es que puede aprender automáticamente las características esenciales de los datos, pero necesita elegir un diccionario apropiado; de lo contrario, el efecto de clasificación también se verá afectado.

Referencia del contenido anterior: Baidu Encyclopedia-SRC