深度学习模型表征学习的内在机理与理论内涵探析

魏 鹏
西北师范大学人工智能与计算机学院（软件学院）

摘要


深度学习模型利用多层非线性变换从原始数据中自动提取层次化的表征，它的内在机理包含特征抽象、不变性构造、信息压缩等几个方面。本文从表征学习的核心问题入手，对深度网络逐层抽象的信息处理过程进行系统的分析，研究流形重构、维度约减、解耦表征的形成机制。在此基础上，用信息瓶颈理论和因果表征学习框架来解释深度模型泛化能力的理论来源。

关键词


深度学习；表征学习；信息瓶颈；层次抽象；解耦表征

全文:

PDF


参考


[1]万丹梅.打造“金课”的大学课堂深度学习设计策略——《课堂深度学习设计——面向核心素养发展》评介[J].南昌师范学院学报，2025，46（04）：92-95.

[2]张家军，黄儒军.数字教材赋能深度学习：内在机理、可能困境与突破路径[J].西南大学学报（社会科学版），2025，51（04）：252-263+331.

[3]汤筱玙，王琦，余胜泉.促进深度学习的社会性支持服务研究：一种多层次渐进表征与聚合模型[J].中国电化教育，2025，（03）：42-50.

[4]崔振成，杨子怡.“金师”-“金课”-“深度学习”：大学课堂质量生成的内在机理与实践逻辑[J].黑龙江高教研究，2024，42（09）：22-28.

[5]卜彩丽，李飒，杨海慧，等.在线深度学习发生的内在机理、模型与成效研究[J].远程教育杂志，2022，40（06）：65-73.




DOI: http://dx.doi.org/10.12361/2661-3506-08-07-161696

Refbacks

  • 当前没有refback。