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。

收录于 2026/9/15相关资讯 2 篇近 30 天 2 篇在词典中查看 →

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

Encoder共现 1 篇
论文共现 1 篇

相关资讯

完整术语表见 AI 术语词典; 每日新术语与进展见 AI 早报。

Information Bottleneck(信息瓶颈) 是什么?AI 术语解释 - 智讯 AI News