書馨卡幫你省薪 2024個(gè)人購書報(bào)告 2024中圖網(wǎng)年度報(bào)告
歡迎光臨中圖網(wǎng) 請(qǐng) | 注冊(cè)
> >
遷移學(xué)習(xí)導(dǎo)論(第2版人工智能探索與實(shí)踐)

遷移學(xué)習(xí)導(dǎo)論(第2版人工智能探索與實(shí)踐)

出版社：電子工業(yè)出版社出版時(shí)間：2022-07-01
開本： 16開 頁數(shù)： 378
中 圖 價(jià):¥83.3(7.0折) 定價(jià)  ¥119.0 登錄后可看到會(huì)員價(jià)
加入購物車 收藏
運(yùn)費(fèi)6元，滿39元免運(yùn)費(fèi)
?新疆、西藏除外
本類五星書更多>

遷移學(xué)習(xí)導(dǎo)論(第2版人工智能探索與實(shí)踐) 版權(quán)信息

遷移學(xué)習(xí)導(dǎo)論(第2版人工智能探索與實(shí)踐) 本書特色

《遷移學(xué)習(xí)導(dǎo)論（第2版）》獨(dú)辟蹊徑，從讀者學(xué)習(xí)的角度出發(fā)，以“講課”的形式，歸納分析各類遷移學(xué)習(xí)方法，使讀者能快速理解遷移學(xué)習(xí)的本質(zhì)問題、抓住重點(diǎn)、舉一反三、迅速入門。 《遷移學(xué)習(xí)導(dǎo)論（第2版）》新增安全和魯棒的遷移學(xué)習(xí)、復(fù)雜環(huán)境下的遷移學(xué)習(xí)、領(lǐng)域泛化方法等眾多前沿?zé)狳c(diǎn)內(nèi)容，并覆蓋了遷移學(xué)習(xí)在各領(lǐng)域中的具體應(yīng)用實(shí)踐。它的一大亮點(diǎn)是對(duì)“兩頭“的把握： 一是源頭，抓問題和場(chǎng)景，做到“師出有名”，講清楚針對(duì)什么問題、用在哪里； 二是筆頭，抓代碼與實(shí)踐，做到“落地結(jié)果”，在實(shí)戰(zhàn)中鞏固和深化對(duì)技術(shù)的理解。 考慮多方位學(xué)習(xí)的需求，《遷移學(xué)習(xí)導(dǎo)論（第2版）》配有實(shí)踐代碼、學(xué)習(xí)資料、相關(guān)筆記和文章，并持續(xù)更新。 一書入手，一步到位！

遷移學(xué)習(xí)導(dǎo)論(第2版人工智能探索與實(shí)踐) 內(nèi)容簡(jiǎn)介

遷移學(xué)習(xí)作為機(jī)器學(xué)習(xí)和人工智能領(lǐng)域的重要方法，在計(jì)算機(jī)視覺、自然語言處理、語音識(shí)別等領(lǐng)域都得到了廣泛的應(yīng)用。 本書的編寫目的是幫助遷移學(xué)習(xí)及機(jī)器學(xué)習(xí)相關(guān)領(lǐng)域的初學(xué)者快速入門。全書主要分為“遷移學(xué)習(xí)基礎(chǔ)”“現(xiàn)代遷移學(xué)習(xí)”和“遷移學(xué)習(xí)的應(yīng)用與實(shí)踐”三大部分，同時(shí)配有相關(guān)的代碼、數(shù)據(jù)和論文資料，以優(yōu)選限度地降低初學(xué)者的學(xué)習(xí)和使用門檻。 本書與前一版的主要區(qū)別在于新增了對(duì)遷移學(xué)習(xí)前沿關(guān)鍵主題的探討，以及更多的應(yīng)用實(shí)踐內(nèi)容。 本書適合對(duì)遷移學(xué)習(xí)感興趣的讀者閱讀，也可作為相關(guān)課程的配套教材。

遷移學(xué)習(xí)導(dǎo)論(第2版人工智能探索與實(shí)踐) 目錄

第I 部分遷移學(xué)習(xí)基礎(chǔ)

1 緒論3

1.1 遷移學(xué)習(xí)3

1.2 相關(guān)研究領(lǐng)域7

1.3 遷移學(xué)習(xí)的必要性8

1.3.1 大數(shù)據(jù)與少標(biāo)注之間的矛盾9

1.3.2 大數(shù)據(jù)與弱計(jì)算能力的矛盾9

1.3.3 有限數(shù)據(jù)與模型泛化能力的矛盾 10

1.3.4 普適化模型與個(gè)性化需求的矛盾 11

1.3.5 特定應(yīng)用的需求 11

1.4 遷移學(xué)習(xí)的研究領(lǐng)域12

1.4.1 按特征空間分類 13

1.4.2 按目標(biāo)域有無標(biāo)簽分類 13

1.4.3 按學(xué)習(xí)方法分類 13

1.4.4 按離線與在線形式分類 14

1.5 學(xué)術(shù)界和工業(yè)界中的遷移學(xué)習(xí)15

1.6 遷移學(xué)習(xí)的應(yīng)用18

1.6.1 計(jì)算機(jī)視 覺19

1.6.2 自然語言處理 21

1.6.3 語音識(shí)別與合成 23

1.6.4 普適計(jì)算與人機(jī)交互25

1.6.5 醫(yī)療健康 28

1.6.6 其他應(yīng)用領(lǐng)域30

參考文獻(xiàn)

2 從機(jī)器學(xué)習(xí)到遷移學(xué)習(xí)48

2.1 機(jī)器學(xué)習(xí)基礎(chǔ)48

2.1.1 機(jī)器學(xué)習(xí)概念48

2.1.2 結(jié)構(gòu)風(fēng)險(xiǎn)*小化 49

2.1.3 數(shù)據(jù)的概率分布 50

2.2 遷移學(xué)習(xí)定義52

2.3 遷移學(xué)習(xí)基本問題 55

2.3.1 何時(shí)遷移 55

2.3.2 何處遷移 56

2.3.3 如何遷移 58

2.4 失敗的遷移：負(fù)遷移 58

2.5 一個(gè)完整的遷移學(xué)習(xí)過程 60

參考文獻(xiàn)61

3 遷移學(xué)習(xí)方法總覽63

3.1 分布差異的度量 63

3.2 分布差異的統(tǒng)一表征66

3.2.1 分布自適應(yīng)因子的計(jì)算 67

3.3 遷移學(xué)習(xí)方法統(tǒng)一表征68

3.3.1 樣本權(quán)重遷移法 70

3.3.2 特征變換遷移法 70

3.3.3 模型預(yù)訓(xùn)練遷移法 71

3.4 上手實(shí)踐72

3.4.1 數(shù)據(jù)準(zhǔn)備73

3.4.2 基準(zhǔn)模型構(gòu)建：KNN 75

參考文獻(xiàn)76

4 樣本權(quán)重遷移法78

4.1 問題定義78

4.2 基于樣本選擇的方法 80

4.2.1 基于非強(qiáng)化學(xué)習(xí)的樣本選擇法 81

4.2.2 基于強(qiáng)化學(xué)習(xí)的樣本選擇法82

4.3 基于權(quán)重自適應(yīng)的方法 83

4.4 上手實(shí)踐 85

4.5 小結(jié) 88

參考文獻(xiàn)88

5 統(tǒng)計(jì)特征變換遷移法93

5.1 問題定義93

5.2 *大均值差異法94

5.2.1 基本概念 94

5.2.2 基于*大均值差異的遷移學(xué)習(xí)96

5.2.3 求解與計(jì)算 99

5.2.4 應(yīng)用與擴(kuò)展 101

5.3 度量學(xué)習(xí)法102

5.3.1 度量學(xué)習(xí) 102

5.3.2 基于度量學(xué)習(xí)的遷移學(xué)習(xí) 104

5.4 上手實(shí)踐 105

5.5 小結(jié)108

參考文獻(xiàn)108

6 幾何特征變換遷移法 111

6.1 子空間變換法111

6.1.1 子空間對(duì)齊法112

6.1.2 協(xié)方差對(duì)齊法113

6.2 流形空間變換法 114

6.2.1 流形學(xué)習(xí) 114

6.2.2 基于流形學(xué)習(xí)的遷移學(xué)習(xí)方法 115

6.3 *優(yōu)傳輸法 118

6.3.1 *優(yōu)傳輸 118

6.3.2 基于*優(yōu)傳輸法的遷移學(xué)習(xí)方法 119

6.4 上手實(shí)踐 121

6.5 小結(jié) 122

參考文獻(xiàn) 123

7 遷移學(xué)習(xí)理論、評(píng)測(cè)與模型選擇125

7.1 遷移學(xué)習(xí)理論 125

7.1.1 基于H-divergence 的理論分析 126

7.1.2 基于HΔH-distance 的理論分析 128

7.1.3 基于差異距離的理論分析 129

7.1.4 結(jié)合標(biāo)簽函數(shù)差異的理論分析 130

7.2 遷移學(xué)習(xí)評(píng)測(cè) 131

7.3 遷移學(xué)習(xí)模型選擇132

7.3.1 基于密度估計(jì)的模型選擇 133

7.3.2 遷移交叉驗(yàn)證133

7.4 小結(jié)134

參考文獻(xiàn) 135

第II 部分現(xiàn)代遷移學(xué)習(xí)

8 預(yù)訓(xùn)練–微調(diào) 139

8.1 深度神經(jīng)網(wǎng)絡(luò)的可遷移性 140

8.2 預(yù)訓(xùn)練-微調(diào) 143

8.2.1 預(yù)訓(xùn)練–微調(diào)的有效性 144

8.3 遷移學(xué)習(xí)中的正則 145

8.4 預(yù)訓(xùn)練模型用于特征提取148

8.5 學(xué)習(xí)如何微調(diào) 149

8.6 上手實(shí)踐 151

8.7 小結(jié) 155

參考文獻(xiàn)155

9 深度遷移學(xué)習(xí) 158

9.1 總體思路159

9.2 深度遷移學(xué)習(xí)的網(wǎng)絡(luò)結(jié)構(gòu)160

9.2.1 單流結(jié)構(gòu) 161

9.2.2 雙流結(jié)構(gòu) 161

9.3 數(shù)據(jù)分布自適應(yīng)方法163

9.4 結(jié)構(gòu)自適應(yīng)的深度遷移學(xué)習(xí)方法165

9.4.1 基于批歸一化的遷移學(xué)習(xí) 165

9.4.2 基于多表示學(xué)習(xí)的遷移網(wǎng)絡(luò)結(jié)構(gòu) 166

9.4.3 基于解耦的深度遷移方法 168

9.5 知識(shí)蒸餾 169

9.6 上手實(shí)踐170

9.6.1 網(wǎng)絡(luò)結(jié)構(gòu) 171

9.6.2 遷移損失 174

9.6.3 訓(xùn)練和測(cè)試 179

9.7 小結(jié)183

參考文獻(xiàn)184

10 對(duì)抗遷移學(xué)習(xí) 187

10.1 生成對(duì)抗網(wǎng)絡(luò)與遷移學(xué)習(xí)187

10.2 數(shù)據(jù)分布自適應(yīng)的對(duì)抗遷移方法189

10.3 基于*大分類器差異的對(duì)抗遷移方法192

10.4 基于數(shù)據(jù)生成的對(duì)抗遷移方法 194

10.5 上手實(shí)踐195

10.5.1 領(lǐng)域判別器 195

10.5.2 分布差異計(jì)算 · 196

10.5.3 梯度反轉(zhuǎn)層 197

10.6 小結(jié)198

參考文獻(xiàn)198

11 遷移學(xué)習(xí)的泛化200

11.1 領(lǐng)域泛化200

11.2 基于數(shù)據(jù)操作的領(lǐng)域泛化方法203

11.2.1 數(shù)據(jù)增強(qiáng)和生成方法 203

11.2.2 基于Mixup 的數(shù)據(jù)生成方法 205

11.3 領(lǐng)域不變特征學(xué)習(xí)206

11.3.1 核方法：領(lǐng)域不變成分分析 206

11.3.2 深度領(lǐng)域泛化方法 208

11.3.3 特征解耦 210

11.4 用于領(lǐng)域泛化的不同學(xué)習(xí)策略212

11.4.1 基于集成學(xué)習(xí)的方法 212

11.4.2 基于元學(xué)習(xí)的方法213

11.4.3 用于領(lǐng)域泛化的其他學(xué)習(xí)范式 215

11.5 領(lǐng)域泛化理論215

11.5.1 平均風(fēng)險(xiǎn)預(yù)估誤差上界 215

11.5.2 泛化風(fēng)險(xiǎn)上界217

11.6 上手實(shí)踐17

11.6.1 數(shù)據(jù)加載 218

11.6.2 訓(xùn)練和測(cè)試 220

11.6.3 示例方法：ERM 和CORAL 222

11.7 小結(jié)225

參考文獻(xiàn)225

12 安全和魯棒的遷移學(xué)習(xí)232

12.1 安全遷移學(xué)習(xí)232

12.1.1 遷移學(xué)習(xí)模型可以被攻擊嗎233

12.1.2 抵制攻擊的方法233

12.1.3 ReMoS：一種新的安全遷移學(xué)習(xí)方法 235

12.2 聯(lián)邦學(xué)習(xí)和遷移學(xué)習(xí) 238

12.2.1 聯(lián)邦學(xué)習(xí) 238

12.2.2 面向非獨(dú)立同分布數(shù)據(jù)的個(gè)性化聯(lián)邦學(xué)習(xí) 241

12.2.3 模型自適應(yīng)的個(gè)性化遷移學(xué)習(xí) 242

12.2.4 基于相似度的個(gè)性化聯(lián)邦學(xué)習(xí) 243

12.3 無需源數(shù)據(jù)的遷移學(xué)習(xí)244

12.3.1 信息*大化方法 246

12.3.2 特征匹配方法 247

12.4 基于因果關(guān)系的遷移學(xué)習(xí)248

12.4.1 什么是因果關(guān)系 248

12.4.2 因果關(guān)系與遷移學(xué)習(xí) 250

12.5 小結(jié)254

參考文獻(xiàn)254

13 復(fù)雜環(huán)境中的遷移學(xué)習(xí) 260

13.1 類別非均衡的遷移學(xué)習(xí)260

13.2 多源遷移學(xué)習(xí)263

13.3 開放集遷移學(xué)習(xí)265

13.4 時(shí)間序列遷移學(xué)習(xí)267

13.4.1 AdaRNN：用于時(shí)間序列預(yù)測(cè)的遷移學(xué)習(xí) 269

13.4.2 DIVERSIFY：用于時(shí)間序列分類的遷移學(xué)習(xí)271

13.5 在線遷移學(xué)習(xí) 273

13.6 小結(jié)276

參考文獻(xiàn)276

14 低資源學(xué)習(xí)281

14.1 遷移學(xué)習(xí)模型壓縮 281

14.2 半監(jiān)督學(xué)習(xí)284

14.2.1 一致性正則化方法285

14.2.2 偽標(biāo)簽和閾值法 287

14.3 元學(xué)習(xí)290

14.3.1 基于模型的元學(xué)習(xí)方法 292

14.3.2 基于度量的元學(xué)習(xí)方法 293

14.3.3 基于優(yōu)化的元學(xué)習(xí)方法 295

14.4 自監(jiān)督學(xué)習(xí) 297

14.4.1 構(gòu)造輔助任務(wù) 298

14.4.2 對(duì)比自監(jiān)督學(xué)習(xí) 299

14.5 小結(jié)300

參考文獻(xiàn)301

第III 部分遷移學(xué)習(xí)的應(yīng)用與實(shí)踐

15 計(jì)算機(jī)視覺中的遷移學(xué)習(xí)實(shí)踐309

15.1 目標(biāo)檢測(cè)309

15.1.1 任務(wù)與數(shù)據(jù) 309

15.1.2 加載數(shù)據(jù) 310

15.1.3 模型 313

15.1.4 訓(xùn)練和測(cè)試 313

15.2 神經(jīng)風(fēng)格遷移315

15.2.1 數(shù)據(jù)加載 315

15.2.2 模型 316

15.2.3 訓(xùn)練 317

參考文獻(xiàn)319

16 自然語言處理中的遷移學(xué)習(xí)實(shí)踐320

16.1 情緒分類任務(wù)及數(shù)據(jù)集320

16.2 模型322

16.3 訓(xùn)練和測(cè)試323

16.4 預(yù)訓(xùn)練微調(diào)324

參考文獻(xiàn)325

17 語音識(shí)別中的遷移學(xué)習(xí)實(shí)踐326

17.1 跨領(lǐng)域語音識(shí)別 326

17.1.1 語音識(shí)別中的遷移損失 327

17.1.2 CMatch 算法實(shí)現(xiàn) 328

17.1.3 實(shí)驗(yàn)及結(jié)果 332

17.2 跨語言語音識(shí)別333

17.2.1 適配器模塊 334

17.2.2 基于適配器進(jìn)行跨語言語音識(shí)別335

17.2.3 算法：MetaAdapter 和SimAdapter 336

17.2.4 結(jié)果與討論 337

參考文獻(xiàn)339

18 行為識(shí)別中的遷移學(xué)習(xí)實(shí)踐340

18.1 任務(wù)及數(shù)據(jù)集340

18.2 特征提取341

18.3 源域選擇342

18.4 使用TCA 方法進(jìn)行非深度遷移學(xué)習(xí)344

18.5 深度遷移學(xué)習(xí)用于跨位置行為識(shí)別345

參考文獻(xiàn)350

19 醫(yī)療健康中的聯(lián)邦遷移學(xué)習(xí)實(shí)踐351

19.1 任務(wù)和數(shù)據(jù)集351

19.1.1 模型結(jié)構(gòu) 355

19.2 聯(lián)邦學(xué)習(xí)基礎(chǔ)算法FedAvg 356

19.2.1 客戶端更新 357

19.2.2 服務(wù)器端更新 357

19.2.3 結(jié)果 358

19.3 個(gè)性化聯(lián)邦學(xué)習(xí)算法AdaFed 359

19.3.1 相似度矩陣計(jì)算 359

19.3.2 服務(wù)器端通信 361

19.3.3 結(jié)果 362

參考文獻(xiàn)362

20 回顧與展望364

參考文獻(xiàn)367

附錄368

常用度量準(zhǔn)則368

常見的幾種距離 368

余弦相似度 369

互信息 369

相關(guān)系數(shù) 369

KL 散度與JS 距離 370

*大均值差異MMD 370

Principal Angle 371

A-distance 371

Hilbert-Schmidt Independence Criterion 371

Wasserstein Distance 372

常用數(shù)據(jù)集372

手寫體識(shí)別圖像數(shù)據(jù)集 373

對(duì)象識(shí)別數(shù)據(jù)集 374

圖像分類數(shù)據(jù)集 374

通用文本分類數(shù)據(jù)集 375

行為識(shí)別公開數(shù)據(jù)集 375

相關(guān)期刊會(huì)議376

遷移學(xué)習(xí)資源匯總377

參考文獻(xiàn)378


展開全部

遷移學(xué)習(xí)導(dǎo)論(第2版人工智能探索與實(shí)踐) 作者簡(jiǎn)介

王晉東 微軟亞洲研究院研究員，博士畢業(yè)于中國(guó)科學(xué)院計(jì)算技術(shù)研究所，主要從事遷移學(xué)習(xí)、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)方面的研究。 研究成果發(fā)表在IEEE TKDE、IEEE TNNLS、NeurIPS、CVPR、IJCAI、IMWUT等頂級(jí)期刊和會(huì)議； 獲得國(guó)家獎(jiǎng)學(xué)金、中國(guó)科學(xué)院優(yōu)秀博士論文獎(jiǎng)、IJCAI聯(lián)邦學(xué)習(xí)研討會(huì)最佳應(yīng)用論文獎(jiǎng)等。 擔(dān)任國(guó)際會(huì)議IJCAI 2019的宣傳主席，擔(dān)任TPAMI、TKDE、ICML、NeurIPS、ICLR等的審稿人或程序委員會(huì)委員。 熱心知識(shí)分享，領(lǐng)導(dǎo)維護(hù)著GitHub上廣受歡迎的遷移學(xué)習(xí)開源庫，獲得超過1萬星標(biāo)； 在知乎的博客文章瀏覽次數(shù)逾1000萬次，幫助眾多學(xué)術(shù)界和工業(yè)界人士快速入門遷移學(xué)習(xí)。 陳益強(qiáng) 中國(guó)科學(xué)院計(jì)算技術(shù)研究所所務(wù)委員、研究員、CCF Fellow，主要研究人機(jī)交互與普適計(jì)算，聯(lián)邦學(xué)習(xí)與遷移學(xué)習(xí)等。 任北京市移動(dòng)計(jì)算與新型終端重點(diǎn)實(shí)驗(yàn)室主任、中科院計(jì)算所泛在計(jì)算系統(tǒng)研究中心主任； 曾入選國(guó)家“萬人計(jì)劃”科技創(chuàng)新領(lǐng)軍人才、科技部中青年科技創(chuàng)新領(lǐng)軍人才、北京市科技新星等； 國(guó)務(wù)院特殊津貼專家，東京大學(xué)、南洋理工大學(xué)兼職教授，IEEE計(jì)算智能等6個(gè)刊物的編委，IEEE可穿戴與智能交互技術(shù)委員會(huì)創(chuàng)始委員等。 獲 IJCAI-FL等人工智能和普適計(jì)算領(lǐng)域最佳論文獎(jiǎng) 6 項(xiàng)；相關(guān)成果獲國(guó)家科技進(jìn)步二等獎(jiǎng)及中國(guó)計(jì)算機(jī)學(xué)會(huì)技術(shù)發(fā)明一等獎(jiǎng)等。

商品評(píng)論(0條)
暫無評(píng)論……
書友推薦
本類暢銷
編輯推薦
返回頂部
中圖網(wǎng)
在線客服