技术
Information Bottleneck(信息瓶颈)
信息瓶颈是一种表示学习原则,旨在找到压缩表示,使其在尽可能丢弃输入中无关信息的同时,保留关于目标变量的最大信息量。它解决了表示学习中压缩与预测的权衡问题,典型应用包括深度神经网络分析、表示学习和聚类。
详细解释
信息瓶颈方法由Tishby等人于1999年提出,基于率失真理论,通过优化目标函数 min I(X;T) - β I(T;Y) 来学习表示T,其中X是输入,Y是目标。该理论为深度学习提供了信息论视角,解释了泛化与压缩的关系,并启发了变分信息瓶颈等模型,用于可解释性和鲁棒性研究。
别名与相关写法
information bottleneck
相关术语
相关资讯
arXiv 论文:信息瓶颈编码器应学到什么,分离表征学习与码率控制2026/10/28
信息瓶颈分析:速率约束下的多任务最优表示2026/10/23