搜文章
推荐 原创 视频 Java开发 iOS开发 前端开发 JavaScript开发 Android开发 PHP开发 数据库 开发工具 Python开发 Kotlin开发 Ruby开发 .NET开发 服务器运维 开放平台 架构师 大数据 云计算 人工智能 开发语言 其它开发
Lambda在线 > 机器学习研究会 > 【学习】大脑中的支持向量机

【学习】大脑中的支持向量机

机器学习研究会 2017-11-29
点击上方 “机器学习研究会”可以订阅哦
摘要
支持向量机(SVM)是一种重要的机器学习分类器, 它巧妙的运用非线性变换把低维的特征投影到高维,可以执行比较复杂的分类任务(升维打击)。 SWM看似使用了一个数学上的玄技,实则是恰巧符合了大脑编码的机理, 我们可以从2013年的一篇nature论文读起,理解机器学习和大脑工作原理的深层联系(表面的联系是运用机器学习研究大脑)。

论文名称: The importance of mixed selectivity in complex cognitive tasks (by Omri Barak al. )

这种惊人的联系可以从哪里看出来呢?首先我们来谈谈神经编码的本质: 动物接受到一定信号并根据它做出一定的行为,一个是把外界信号转化为神经电信号,另一个是把神经电信号转化为决策信号,前一个过程叫做编码(encoding),后一个过程叫做解码(decoding)。 而神经编码的真实目的正是之后解码来做决策。因此, 用机器学习的眼光看解码, 最简单的方法就是看做一个分类器, 甚至是一个logistic model这样的线性分类器 , 把输入信号根据一定特征分类分别对待。比如看到老虎逃跑,看到兔子吃掉。当然, 有时候解码也在做回归, 比如当神经信号最后转化为运动, 你需要把神经信号转化为动作幅度的连续变量。 那么好了, 这里已经明显看到了神经编码和机器学习的联系, 神经编码的本质是重新表征信号,从而使得分类或回归容易进行。 机器学习的一大类问题本质其实是模仿了自然, 正如同大多数时候人类如果一件事情做得很好,那往往是仿效了大自然的机制。

链接:
https://zhuanlan.zhihu.com/p/22613106

原文链接:
http://weibo.com/5066241201/E9TuE8KRD?ref=collection&type=comment#_rnd1474801433925
“完整内容”请点击【阅读原文】
↓↓↓


版权声明:本站内容全部来自于腾讯微信公众号,属第三方自助推荐收录。《【学习】大脑中的支持向量机》的版权归原作者「机器学习研究会」所有,文章言论观点不代表Lambda在线的观点, Lambda在线不承担任何法律责任。如需删除可联系QQ:516101458

文章来源: 阅读原文

相关阅读

关注机器学习研究会微信公众号

机器学习研究会微信公众号:gh_5906530d307c

机器学习研究会

手机扫描上方二维码即可关注机器学习研究会微信公众号

机器学习研究会最新文章

精品公众号随机推荐

下一篇 >>

支持向量机