人的“交流”基于语义场而不是单纯的符号，这一观点强调了意义在交流中的核心作用，而不仅仅是语言、文字等符号本身。以下是对这一理论的详细解释： 1. 什么是语义场？ 定义：语义场指的是一组意义相互关联、形成特定语境或背景的概念网络。它是超越单个符号、词语或句子的，强调意义的整体性和动态性。 举例：在“家庭”这个语义场中，父母、孩子、爱、责任、争吵等概念可能相互关联。讨论“家庭”时，我们并不局限于某个具体的词，而是激活了这一组有关联的意义网络。 本质：语义场是交流时人们共同认知的语义背景，它为符号（语言、文字、手势等）的使用赋予上下文意义。 2. 符号的局限性 符号本身是固定的、有限的，而语义场则是动态且高度依赖情境的： ...
VAE 原理 似然生成模型：给定一个数据集 $x_D$，训练使得模型最大化似然 $p_\phi(x_D)$。 1. ELBO 的定义和公式 VAE 的目标是对数据 $x$ 的分布 $p(x)$ 进行建模，但直接优化 $p(x)$ 通常不可行。通过引入潜变量 $z$，对对数边际似然 $\log p(x)$ 进行变分下界（ELBO）的近似： ...
一、语义表示的基本概念与方法演进 1.1 语义表示的核心定义 语义表示旨在将文本（如单词、句子、文档）的含义编码成机器可存储和处理的形式，例如实值向量或经过良好训练的神经网络参数。这种表示使机器能够 " 理解 " 语言的意义，而不仅仅是处理表面符号。 ...
一、深度学习的理论支柱：逼近、优化与泛化 深度学习不仅在应用领域取得巨大成功，其背后也有一套逐渐完善的理论体系支撑。该体系主要围绕三个核心问题展开：深度神经网络能够表示哪些函数（逼近理论）、如何有效优化神经网络参数（优化理论），以及训练好的模型为何能在新数据上表现良好（泛化理论）。 ...