返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:

欢迎光临我们店铺!书籍都是正版全新书籍,欢迎下单~!!

本店所有商品

  • 音像迁移学习算法:应用与实践庄福振 朱勇椿 祝恒书 熊辉 著
  • 正版
    • 作者: 庄福振 朱勇椿 祝恒书 熊辉 著著 | 庄福振 朱勇椿 祝恒书 熊辉 著编 | 庄福振 朱勇椿 祝恒书 熊辉 著译 | 庄福振 朱勇椿 祝恒书 熊辉 著绘
    • 出版社: 机械工业出版社
    • 出版时间:2023-05-01
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    诺森图书音像专营店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品参数
    • 作者: 庄福振 朱勇椿 祝恒书 熊辉 著著| 庄福振 朱勇椿 祝恒书 熊辉 著编| 庄福振 朱勇椿 祝恒书 熊辉 著译| 庄福振 朱勇椿 祝恒书 熊辉 著绘
    • 出版社:机械工业出版社
    • 出版时间:2023-05-01
    • 版次:1
    • 印次:1
    • 印刷时间:2023-05-17
    • 字数:364
    • 页数:263
    • 开本:16开
    • ISBN:9787111726500
    • 版权提供:机械工业出版社
    • 作者:庄福振 朱勇椿 祝恒书 熊辉 著
    • 著:庄福振 朱勇椿 祝恒书 熊辉 著
    • 装帧:平装
    • 印次:1
    • 定价:99.00
    • ISBN:9787111726500
    • 出版社:机械工业
    • 开本:16开
    • 印刷时间:2023-05-17
    • 语种:暂无
    • 出版时间:2023-05-01
    • 页数:263
    • 外部编号:31761751
    • 版次:1
    • 成品尺寸:暂无

    目录<br /><br /><br /><br /><br /><br /><br /><br /><br />序<br />前言<br />作者简介<br /><br /><br />章绪论1<br /><br />11迁移学习缘起1<br />12学习的迁移理论2<br />13迁移学习定义4<br />14迁移学习与已有学范的关系5<br />15迁移学习未来的研究方向8<br /><br /><br />第2章基于非负矩阵分解的迁移学习算法10<br /><br />21问题定义10<br />22基于共享词簇的知识迁移11<br />基于相似概念(共享词簇-文档簇关联)的知识迁移12<br />24同时考虑相同和相似概念的知识迁移15<br />25综合考虑相同、相似、差异概念的知识迁移17<br />26软关联的知识迁移21<br />27本章小结24<br />第3章基于概率模型的迁移学习算法26<br /><br />31问题定义26<br />32基于EM算法的朴素贝叶斯迁移算法28<br />33基于概率潜在语义分析的主题共享领域迁移算法30<br />34基于协同对偶概率潜在语义分析的多域领域迁移33<br />35更普适的基于潜在语义分析的多域领域迁移36<br />36基于组对齐的跨领域标签主题模型39<br />37基于粗粒度对齐主题模型的跨领域文本分类40<br />38本章小结42<br /><br /><br />第4章基于传统深度学习的迁移学习方法43<br /><br />41问题定义43<br />42基于深度自编码器的迁移学习方法44<br />43深度领域自适应网络45<br />44深度子领域自适应网络48<br />45多表示自适应网络51<br />46同时对齐分布和分类器的多源自适应方法54<br />47基于注意力特征图的深度迁移学习方法57<br />48本章小结61<br /><br /><br />第5章基于对抗深度学习的迁移学习方法62<br /><br />51问题定义64<br />52领域对抗神经网络64<br />53同时迁移领域和任务的迁移学习方法67<br />54基于生成对抗网络的像素级领域自适应方法70<br />55化分类器一致的无监督领域自适应方法73<br />56循环一致对抗领域自适应方法77<br />57本章小结79<br />第6章基于模型融合的迁移学习算法80<br /><br />61问题定义82<br />62基于Boosting的模型融合82<br />63有监督与无监督的融合88<br />64基于优化目标正则化的方法98<br />65基于锚点的集成学习101<br />66本章小结104<br /><br /><br />第7章基于图神经网络的迁移学习算法105<br /><br />71问题定义106<br />72同质图神经网络的迁移学习算法106<br />73异质图神经网络的迁移学习算法114<br />74本章小结120<br /><br /><br />第8章多任务学习121<br /><br />81问题定义122<br />82传统多任务学习122<br />83基于深度神经网络的多任务学习134<br />84本章小结141<br /><br /><br />第9章多视图学习算法143<br /><br />91问题定义143<br />92基于概率潜在语义分析的多视图学习144<br />93基于间隔原则的多视图学习148<br />94基于子空间聚类方法的多视图学习155<br />95基于完整空间方法的多视图学习159<br />96多任务多视图学习164<br />97系统和人机对话领域的多视图学习方法172<br />98本章小结180<br />0章迁移学习应用181<br /><br />101自然语言处理中的应用181<br />102计算机视觉中的应用187<br />103系统中的应用205<br />104金融风控中的应用215<br />105城市计算中的应用217<br />106本章小结0<br /><br /><br />1章百度飞桨迁移学习应用实践1<br /><br />111深度学习框架介绍1<br />112迁移学习在视频分类中的实践案例<br />113迁移学习在目标检测中的实践案例241<br />114本章小结249<br /><br /><br />参考文献250<br /><br />

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购