神经网络中的所说的“隐层”与pLSA中的隐因子（Latent Factor）有啥关联吗
前者隐含层的意思是当前隐含层是前一层数据的特征映射结果，对于只有一层隐含层的神经网络就相当于隐含层是学习了输入数据的特征，并把输入数据的特征映射到了当前隐含层，如果是多层隐含层就是学习了特征的特征，所以就容易实现非线性学习。而pLSA的隐含变量是指的1.未标记的数据类型，如文本，待分类的图片等的所属。两者并无本质上的联系。
推荐阅读
- 鄂温克冬季马赛-30℃极寒开赛：寒冬中的火热派对
- 大雪@大雪腌肉 适当进补 今日大雪
- |电商事业中的“闪光少年”
- hadoop中的mapreduce链接（mapreduce chaining）怎样避免中间文件的产生
- 经观汽车|日系车企中的“异类”？东风日产将导入e-POWER技术大干增程式混动 | 经观汽车
- 中年|这些东西，比你想象中的还要大得多！
- 请问杨毅微博中的这两人是谁
- 某些公司招聘要求中的精通mysql是啥程度
- 趣头条|不到十万就能进7秒俱乐部，说的就是国产SUV欧尚X5
- 怎么样将家里的液晶电视和笔记本电脑连接