Representation Learning

表征学习是机器学习中的一种过程，算法从原始数据中提取有意义的模式，生成更易于理解和处理的数据表示。这些表示可以设计为具有可解释性，揭示隐藏特征，或用于迁移学习，对图像分类和检索等基本任务具有重要价值。深度神经网络作为表征学习模型，通常将信息编码并投影到不同的子空间，再传递给线性分类器进行训练。表征学习分为监督表征学习和无监督表征学习，前者利用标注数据学习表示以解决其他任务，后者通过无标注数据学习表示，减少新任务学习时对标注数据的需求。近年来，自监督学习成为推动无监督表征学习的主要力量，广泛应用于计算机视觉和自然语言处理领域。