1.3　小结

表征学习是目前非常活跃和重要的一个领域，它在很大程度上影响着机器学习技术的有效性。表征学习是指学习数据的表征，使其在建立分类器或其他预测器时更容易提取有用的、具有鉴别性的信息。当前，在各种学习表征的算法中，深度学习算法已经在诸多领域得到广泛应用。在这些领域，深度学习算法可以基于大量复杂的高维数据，高效且自动地学习好的表征。我们对一个表征做出的评价与其在下游任务中的表现密切相关。一般来说，好的表征除有一些常见属性（如平滑性、线性、离散性）以外，通常还会有一些特殊的属性用于捕捉多个解释性的或因果性的因素。

在本章中，我们总结了不同领域的表征学习技术，重点介绍了不同领域的独特挑战和模型，包括图像、自然语言和语音信号的处理。这些领域都出现了许多基于深度学习的表征技术，可分为监督学习、无监督学习、迁移学习、解耦表征学习、强化学习等不同类别。此外，我们还简要介绍了网络上的表征学习及其与图像、文本和语音的关系，这些内容我们将在后续章节中详细阐述。