由于此商品库存有限,请在下单后15分钟之内支付完成,手慢无哦!
100%刮中券,最高50元无敌券,券有效期7天
活动自2017年6月2日上线,敬请关注云钻刮券活动规则更新。
如活动受政府机关指令需要停止举办的,或活动遭受严重网络攻击需暂停举办的,或者系统故障导致的其它意外问题,苏宁无需为此承担赔偿或者进行补偿。
全新迁移学习杨强 等9787111661283
¥ ×1
序
译者序
前言
部分迁移学习的基础
章绪论/2
1.1人工智能、机器学习以及迁移学习/2
1.2迁移学习:定义/6
1.3与已有机器学范的关系/9
1.4迁移学习的基础研究问题/11
1.5迁移学习应用/11
1.5.1图像理解/11
1.5.2生物和物成像/12
1.5.3系统和协同过滤/12
1.5.4机器人和汽车自动驾驶/13
1.5.5自然语言处理和文本挖掘/13
1.6历史笔记/14
1.7关于本书/15
第2章基于样本的迁移学习/19
2.1引言/19
2.2基于样本的非归纳式迁移学习/20
2.2.1判别区分源数据和目标数据/22
2.2.2核平均匹配/
2..函数估计/
.基于样本的归纳式迁移学习/24
..1集成源损失与目标损失/24
..2Boosting风格的方法/26
..样本生成方法/27
第3章基于特征的迁移学习/29
3.1引言/29
3.2化域间差异/30
3.2.1优选均值差异/30
3.2.2基于Bregman散度的正则化/34
3..使用特定分布设的度量/34
3.2.4数据依赖的域差异度量/35
3.3学习通用特征/36
3.3.1学习通用编码/36
3.3.2深度通用特征/37
3.4特征/38
第4章基于模型的迁移学习/40
4.1引言/40
4.2基于共享模型成分的迁移学习/42
4.2.1利用高斯过程的迁移学习/42
4.2.2利用贝叶斯模型的知识迁移/43
4..利用深度模型的模型迁移/44
4.2.4方法/45
4.3基于正则化的迁移/45
4.3.1基于支持向量机的正则化/46
4.3.2基于多核学习的迁移学习/47
4.3.3深度模型中的微调方法/48
第5章基于关系的迁移学习/52
5.1引言/52
5.2马尔可夫逻辑网络/54
5.3利用马尔可夫网络的基于关系的迁移学习/55
5.3.1通过一阶逻辑的浅层迁移/55
5.3.2通过二阶逻辑的深度迁移/57
5.3.3通过结构类比的迁移学习/59
第6章异构迁移学习/61
6.1引言/61
6.2异构迁移学习问题/63
6.3方法/63
6.3.1异构特征空间/64
6.3.2异构标签空间/78
6.4应用/79
第7章对抗式迁移学习/82
7.1引言/82
7.2生成对抗网络/83
7.3采用对抗式模型的迁移学习/86
7.3.1生成目标域数据/87
7.3.2通过对抗式学习来学习域不变特征/89
7.4讨论/91
第8章强化学习中的迁移学习/92
8.1引言/92
8.2背景/93
8.2.1强化学习/94
8.2.2强化学习任务中的迁移学习/95
8..迁移学习在强化学习中的目标/96
8.2.4迁移强化学习分类/98
8.3任务间迁移学习/99
8.3.1基于样本的迁移/99
8.3.2基于特征的迁移/100
8.3.3基于模型的迁移/103
8.3.4解决“迁移时机”问题/105
8.4域间迁移学习/105
8.4.1基于样本的迁移/106
8.4.2基于特征的迁移/107
8.4.3基于模型的迁移/108
第9章多任务学习/109
9.1引言/109
9.2定义/111
9.3多任务监督学习/111
9.3.1基于特征的多任务监督学习/112
9.3.2基于模型的多任务监督学习/114
9.3.3基于样本的多任务监督学习/120
9.4多任务无监督学习/120
9.5多任务半监督学习/120
9.6多任务动学/121
9.7多任务强化学习/121
9.8多任务在线学习/121
9.9多任务多视图学习/122
9.10并行与分布式多任务学习/122
0章迁移学习理论/1
10.1引言/1
10.2多任务学习的泛化界/124
10.3监督迁移学习的泛化界/127
10.4无监督迁移学习的泛化界/129
1章传导式迁移学习/131
11.1引言/131
11.2混合图上的传导式迁移学习/133
11.2.1问题定义/134
11.2.2混合迁移算法/135
11.3基于隐特征表示的传导式迁移学习/137
11.3.1问题定义/137
11.3.2耦合的矩阵三因子分解算法/138
11.4基于深度神经网络的传导式迁移学习/141
11.4.1问题定义/141
11.4.2选择学习算法/142
2章自动迁移学习:学习如何自动迁移/146
12.1引言/146
12.2L2T框架/147
1.参数化“迁移什么”/148
1..1基于公共隐空间的算法/149
1..2基于流形集成的算法/149
12.4从经验中学习/149
12.4.1源域和目标域之间的差异/149
12.4.2目标域判别能力/151
12.4.3优化问题/151
12.5推断“迁移什么”/151
12.6与学范的联系/152
12.6.1迁移学习/152
12.6.2多任务学习/153
12.6.3终身机器学习/153
12.6.4自动化机器学习/153
3章小样本学习/155
13.1引言/155
13.2零样本学习/156
13.2.1概述/156
13.2.2零样本学习算法/157
13.3单样本学习/161
13.3.1概述/161
13.3.2单样本学习算法/161
13.4贝叶斯规划学习/163
13.4.1概述/163
13.4.2用于识别字符笔画的贝叶斯规划学习/163
13.5短缺资源学习/166
13.5.1概述/166
13.5.2机器翻译/166
13.6域泛化/168
13.6.1概述/168
13.6.2偏差SVM/169
13.6.3多任务自动编码器/169
4章终身机器学习/171
14.1引言/171
14.2终身机器学习:定义/172
14.3通过不变的知识进行终身机器学习/173
14.4情感分类中的终身机器学习/174
14.5共享模型组件用于多任务学习/177
14.6永无止境的语言学习/178
第二部分迁移学习的应用
5章隐私保护的迁移学习/184
15.1引言/184
15.2差分隐私/185
15.2.1定义/185
15.2.2隐私保护的正则化经验风险化/186
15.3隐私保护的迁移学习/188
15.3.1问题设置/188
15.3.2目标提升/188
15.3.3多方学习/191
15.3.4多任务学习/193
6章计算机视觉中的迁移学习/194
16.1引言/194
16.2概述/195
16.2.1浅层迁移学习模型/195
16.2.2深度迁移学习模型/199
16..迁移学习用于视觉任务/200
16.3迁移学习用于医学图像分析/201
16.3.1医学图像分类/201
16.3.2医学图像异常检测/203
16.3.3医学图像分割/204
7章自然语言处理中的迁移学习/205
17.1引言/205
17.2NLP中的迁移学习/205
17.2.1问题设置/206
17.2.2NLP应用中的参数初始化/206
17..NLP应用中的多任务学习/207
17.3情感分析中的迁移学习/212
17.3.1问题定义和符号/214
17.3.2浅模型/214
17.3.3基于深度学习的方法/217
8章对话系统中的迁移学习/226
18.1引言/226
18.2问题形式化定义/228
18.3口语理解中的迁移学习/228
18.3.1问题定义/229
18.3.2模型适配/229
18.3.3基于样本的迁移/229
18.3.4参数迁移/0
18.4对话状态跟踪中的迁移学习/1
18.4.1基于特征的多领域对话状态跟踪/1
18.4.2基于模型的多领域对话状态跟踪/1
18.5对话策略学习中的迁移学习/2
18.5.1针对学习的迁移线模型/
18.5.2针对学习的迁移高斯过程/
18.5.3针对学习的迁移贝叶斯委员会机器/5
18.6自然语言生成中的迁移学习/
18.6.1自然语言生成中的模型微调/
18.6.2自然语言生成中的课程学习/
18.6.3自然语言生成中的样本合成/
18.7端到端对话系统中的迁移学习/
18.7.1完全参数微调/
18.7.2部分参数共享/
9章系统中的迁移学习/247
19.1引言/247
19.2在中迁移什么/248
19.2.1系统中基于样本的迁移学习方法/248
19.2.2系统中基于特征的迁移学习方法/249
19..系统中基于模型的迁移学习方法/251
19.3新闻/252
19.3.1问题定义/253
19.3.2挑战和解决方案/254
19.3.3解决方案:基于邻域的迁移学习/254
19.4社交网络中的VIP/255
19.4.1问题定义/256
19.4.2挑战和解决方案/257
19.4.3解决方案:基于社交关系的迁移/258
第20章生物信息学中的迁移学习/260
20.1引言/260
20.2生物信息学中的机器学习问题/261
20.3生物序列分析/262
20.4基因表达分析和遗传分析/265
20.5系统生物学/266
20.6生物医学文本和图像挖掘/268
20.7基于深度学习的生物信息学/268
20.7.1深度神经追踪/268
20.7.2生物信息学中的深度迁移学习/272
2章行为识别中的迁移学习/273
21.1引言/273
21.2针对无线定位的迁移学习/273
21.2.1依赖于环境的数据稀疏挑战/274
21.2.2基于特征的迁移学习用于定位/276
21..基于样本的迁移学习用于定位/278
21.2.4基于模型的迁移学习用于定位/280
21.3针对行为识别的迁移学习/282
21.3.1背景/282
21.3.2问题设置/284
21.3.3跨特征空间的迁移/285
21.3.4跨标签空间的迁移/287
第22章城市计算中的迁移学习/289
22.1引言/289
22.2城市计算中的“迁移什么”/290
2.城市计算中迁移学习的关键问题/291
22.4连锁店/292
22.4.1问题设置/292
22.4.2CityTransfer模型/293
22.5空气质量预测/295
22.5.1问题设置/295
22.5.2FLORAL模型/296
第章结束语/297
参考文献/299
名词中英文对照/341
·杨强教授领衔撰写,研究团队十余年艰苦研究工作的积累。
·迁移学习“开山之作”,解决人工智能的“很后一公里”问题。
·张钹院士作序,邓力、高文、李开复、周志华(按姓氏拼音排序)联袂。
亲,大宗购物请点击企业用户渠道>小苏的服务会更贴心!
亲,很抱歉,您购买的宝贝销售异常火爆让小苏措手不及,请稍后再试~
非常抱歉,您前期未参加预订活动,
无法支付尾款哦!
抱歉,您暂无任性付资格