多视图与多模态之争

本周6看了CCF-AI走进高校系列报告,在看天津大学张长青副教授做多视图学习报告时。在提问环节,其中有一个有意思的问题。多视图与多模态有什么区别?传统的机器学习一般而言基于单视图建模分析,也有学者称多视图多模态。下面说一下笔者自己的理解,仅当了解,无论对错。

先看一下大佬的回答:

这个问题是深圳大学王熙照教授提出的。王老师以一个深圳大学博士生毕业生答案进行侧面回答:多个传感器获取到的数据是多模态,而单个传感器在不同位置获取到的数据是多视图的。

张老师的回答:多视图包含多模态,多视图更接近机器学习,更抽象。多模态更接近于应用,与实际的某一个应用结合。

多视图与多模态之争_第1张图片

多视图与多模态之争_第2张图片

自己理解:

   一般而言,它们之间是没有很大的区别,在很多地方都可以互换,如多视图多聚类,多视图多示例多标记学习或者多模态多示例多标记学习。如果要争一个高低,我更偏向于张老师这边答案,但和而不同。

最近在调研表示学习,我从这个角度解释二者区别,大家理解起来可能会更深入一点。在表示学习中,Graph embeding 和Network embeding (既图嵌入和网络嵌入)很多时候也被大家所混用,正如多视图与多模态。思考一个问题,为什么在学习计算机专业课程《数据结构》时,介绍了Graph结构而没有network结构? 因为Graph是对实际的抽象,是一种抽象。而我们在谈网络时,一般都会说XX网络,如社交网络,引文网络等等。然后用图这种抽象结构或者说技术对实际的网络进行建模分析。

    接着说Graph embeding 和Network embeding 的区别。Graph embeding目的在于降维,学习到的低维嵌入能够重构,既恢复到原来的’数据形式‘。而Network embeding要求不仅能重构,还能做一些推断任务,如节点分类,链接预测,社区发现等等。

   那么如何运用Graph embeding 和Network embeding的思维分析多视图与多模态的区别呢? 多视图更偏向于‘数据结构’,既更抽象,更方便建模分析,既面向数据结构,是一种机器学习范式。而多模态更偏向于解决方案,实际应用,既面向求解,是一种具体的求解方案。

上述仅为一家之言,如有理解不当地方,多多包含(图侵,联系删)。

你可能感兴趣的:(有趣的机器学习,机器学习,多视图学习,多模态学习,多视图学习与多模态区别,人工智能)