Aprendizagem de características
No aprendizado de máquina, a aprendizagem de características ou aprendizagem de representações[1] é um processo que aprende automaticamente a representação de dados brutos. Essas representações podem ser usadas para melhorar o desempenho de algoritmos de aprendizado de máquina em tarefas como classificação e detecção. O aprendizado de características pode ser supervisionado, não supervisionado ou semi-supervisionado. É uma técnica poderosa que pode ser usada em uma ampla variedade de aplicações de aprendizado de máquina, incluindo reconhecimento de fala, reconhecimento de imagem e processamento de linguagem natural. É frequentemente usada em conjunto com outras técnicas de aprendizado de máquina, como redes neurais profundas e aprendizado por reforço, para melhorar o desempenho do modelo.
Tipos editar
Existem três tipos principais de aprendizagem de características: supervisionado, não supervisionado e auto-supervisionado (ou auto-supervisão).
- Aprendizado supervisionado de características – as características são aprendidas usando dados rotulados.[2]
- Aprendizado não supervisionado de características – as características são aprendidas com dados não rotulados, analisando a relação entre os pontos no conjunto de dados.[3]
- Aprendizado auto-supervisionado de características – as características são aprendidas usando dados não rotulados como no aprendizado não supervisionado, no entanto, pares de entrada-rotulagem são construídos a partir de cada ponto de dados.[4]
Referências
- ↑ Y. Bengio; A. Courville; P. Vincent (2013). «Representation Learning: A Review and New Perspectives». IEEE Transactions on Pattern Analysis and Machine Intelligence. 35 (8): 1798–1828. PMID 23787338. arXiv:1206.5538
. doi:10.1109/tpami.2013.50
- ↑ Stuart J. Russell, Peter Norvig (2010) Artificial Intelligence: A Modern Approach, Third Edition, Prentice Hall ISBN 978-0-13-604259-4.
- ↑ Hinton, Geoffrey; Sejnowski, Terrence (1999). Unsupervised Learning: Foundations of Neural Computation. MIT Press. ISBN 978-0-262-58168-4.
- ↑ Ericsson, Linus; Gouk, Henry; Loy, Chen Change; Hospedales, Timothy M. (Maio de 2022). «Self-Supervised Representation Learning: Introduction, advances, and challenges». IEEE Signal Processing Magazine. 39 (3): 42–62. ISSN 1558-0792. doi:10.1109/MSP.2021.3134634
