表示、索引和操作概念的简单机制
原文中文，约200字，阅读约需1分钟。发表于：。利用深度网络，基于概念分类器通过梯度下降的训练，我们提出通过观察概念的矩阵统计特征来生成其具体表示或特征签名，进而发现概念集合之间的结构，并通过学习这些特征签名的结构递归生成更高级的概念。当概念相交时，利用概念的特征签名可以找到一种共同主题，并可用于建立概念字典，从而使输入正确识别和路由到参与生成输入的概念集合。
该论文提出了一种带有附加概念层的CNN架构的引导学习方法，用于学习视觉特征和单词短语之间的关联，并学习与人类感知一致的概念。实验结果表明，该模型可以在不牺牲准确性的情况下学习一致于人类感知的概念，并将这些学习到的概念转移到具有相似概念的新对象类别中。
