學習筆記，僅供參考，有錯必糾

---

文章目錄

• • Learning the parts of objects by non-negative matrix factorization
  • • 摘要
    • 正文

---

Learning the parts of objects by non-negative matrix factorization

摘要

對整體的感知是基于對其部分的感知嗎?有心理學和生理學的證據表明，在大腦中存在基于部分的表征，某些物體識別的計算理論也依賴于這種表征. 但我們對大腦或計算機如何學習物體的各個部分知之甚少。在這里，我們展示了一個算法的非負矩陣分解，能夠學習部分的面孔和文本的語義特征。這與其他方法相反，如主成分分析和矢量量化，學習整體，而不是基于部分的表示。非負矩陣分解與其他方法的區別在于它使用了非負約束。這些約束導致了基于部分的表示，因為它們只允許加法組合，而不允許減法組合。當非負矩陣分解作為一個神經網絡實現時，基于部分的表示通過兩個特性出現：

總結

以上是生活随笔為你收集整理的文献学习(part72)--Learning the parts of objects by non-negative matrix factorization的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。