Codificación dispersa
Representar datos con pocos coeficientes activos en un diccionario aprendido; modelo no supervisado relacionado con aprendizaje de características neuronales y compresión.
La codificación dispersa aprende un diccionario de características de modo que cada entrada se reconstruya con solo unos pocos coeficientes activos. La representación es dispersa: la mayoría de coeficientes permanecen cerca de cero, lo que puede dar partes interpretables y códigos eficientes.
El artículo GPU de ICML 2009 de Raina, Madhavan y Andrew Ng trató la codificación dispersa junto a redes de creencia profunda como carga de trabajo que se beneficia de hardware GPU paralelo (artículo). La idea conecta aprendizaje no supervisado clásico con el aprendizaje de características de aprendizaje profundo posterior.