第758章 流形学习（1/2）

姚梦娜提出的这个问题，对于常浩南来说，不难理解。

只是很难解决。

真要说起来的话，这涉及到文本挖掘、数据可视化、信息检索、数据挖掘、机器学习乃至人工智能等一系列问题。

如果真做到姚梦娜所设想的那样全自动化生产，那就是工业0了。

在1999年这个时间点上，显然不大现实。

但不可能完全实现这一整套东西，并不意味着其中没有可以作为突破口的部分。

比如数据挖掘和信息检索，就是千禧年附近很火热的研究方向。

也就是一维数据。

再假设Ｘ中的数据样本来自于或近似来自于低维嵌入空间中的数据Y={y1，y2，…，yn}Rd。

倒是旁边的小超市，来来往往的人流量不少。

但当年的他作为一个工科出身的普通技术人员，并没有太多理论功底。

「信息……」

「这个么……」

姚梦娜看了看纸上的一个名词和三句话，也知道常浩南大概是没什么思路，干脆站起身道：

「要不先去吃个饭？」

给定一组高维数据X={x1，x2，…，xn}RD，n为数据样本个数，D为高维数据的维数。

不过，这个思路却是可以被借鉴的。

3、提取到高质量的数据特征，提升后续的数据表示和分类任务的效果。

而对于稍复杂一些的情况来说，要完全描述一个含义，往往需要一组数据。

姚梦娜的反应稍微慢了一点，刚想起身，又意识到还没结帐，只好掏出钱包，无奈地走向收银台。

「在封装步骤之前，专门找个人在流水线旁边看着不就行了么？」

餐桌周围又恢复了平静，只剩下偶尔发出的微弱咀嚼声。

2、消除，或者至少降低隐藏在原始高维数据中的噪声。

「？」

但与此同时，这一组数据又往往不只能描述这一个含义。

但主成分分析法只相当于找到投影距离最小的意义下的最佳线性映射，而现实中却没有那么多简单的线性问题。

常浩南思索半晌，又在纸上写下了三个基本条件：

几分钟之后，当朱雅丹都快要吃完面前盘子里的炒面时，常浩南突然开口道：

确实有点饿了。

1、对原始高维数据进行压缩，降低原始高维数据的维度，进而节省存储空间，同时也降低高维数据的计算复杂度。

朱雅丹瞬间缩了缩头：

「我只是随便一说……但有些时候人脑的作用或许还是没办法代替的……」

实际上，在常浩南重生之前，飞机设计和制造领域已经开始应用这方面的技术，他本人也接触过不少。

正在低头吃饭的姚梦娜一愣，旋即意识到常浩南这还是在思考刚才她提出来的问题。

显然，这并不能被算作是「完整且可行」的思路。

更何况数学这种东西，光靠俺寻思是寻思不出个一二三的。

小学和中学时候做的应用题，大体上就是这样。

常浩南放下只吃了一口的羊汤面，蹭地站起身，快步离开食堂。

不如先放松一下，换个思路。

……

常浩南摇摇头否定道。

姚梦娜猜测道：

虽然她觉得在两位博士面前有点班门弄斧，但最后还是没忍住：

没有反应。

但到了99年这会，大学生在宿舍备上几袋甚至一箱，都不算什么稀罕事了。

而对于理论研究来说，明确地提出问题，几乎也就相当于走完了成功之路的一半。

朱雅丹满脑袋问号地擡起头，但看着常浩南思考的样子，很有自知之明地没有打扰。

实际生活中面临的，其实大多数也是这种问题。

十五分钟后，三人（连同朱雅丹）已经围坐在了食堂二层的一个圆桌旁边。

直到一阵来自腹部的叫声把它从深思中吵醒。

本章未完，点击下一页继续阅读。