互联网 类型
7.6 豆瓣评分
可以朗读 语音朗读
254千字 字数
2021-06-01 发行日期
展开全部

主编推荐语

阅读本书，可以帮助迁移学习及机器学习相关领域的初学者快速入门。

内容简介

迁移学习作为机器学习和人工智能领域的重要方法，在计算机视觉、自然语言处理、语音识别等领域都得到了广泛的应用。全书主要分为背景与概念、方法与技术、扩展与探索及应用与展望四大部分。在这四大部分中，详尽介绍了迁移学习的背景、概念、方法和应用。

目录

  • 版权信息
  • 内容简介
  • 好评袭来
  • 写在前面
  • 致谢
  • 前言
  • 符号表
  • 术语表
  • 第一部分 背景与概念
  • 第1章 绪论
  • 1.1 迁移学习
  • 1.2 相关研究领域
  • 1.3 迁移学习的必要性
  • 1.4 迁移学习的研究领域
  • 1.5 迁移学习的应用
  • 1.6 学术会议和工业界中的迁移学习
  • 第2章 从机器学习到迁移学习
  • 2.1 机器学习及基本概念
  • 2.2 结构风险最小化
  • 2.3 数据的概率分布
  • 2.4 概念与符号
  • 2.5 迁移学习的问题定义
  • 第3章 迁移学习基本问题
  • 3.1 何处迁移
  • 3.2 何时迁移
  • 3.3 如何迁移
  • 3.4 失败的迁移：负迁移
  • 3.5 完整的迁移学习过程
  • 第二部分 方法与技术
  • 第4章 迁移学习方法总览
  • 4.1 迁移学习总体思路
  • 4.2 分布差异的度量
  • 4.3 迁移学习统一表征
  • 4.4 上手实践
  • 4.5 迁移学习理论
  • 第5章 样本权重迁移法
  • 5.1 问题定义
  • 5.2 基于样本选择的方法
  • 5.3 基于权重自适应的方法
  • 5.4 上手实践
  • 5.5 小结
  • 第6章 统计特征变换迁移法
  • 6.1 问题定义
  • 6.2 最大均值差异法
  • 6.3 度量学习法
  • 6.4 上手实践
  • 6.5 小结
  • 第7章 几何特征变换迁移法
  • 7.1 问题定义
  • 7.2 子空间变换法
  • 7.3 流形学习法
  • 7.4 最优传输法
  • 7.5 上手实践
  • 7.6 小结
  • 第8章 预训练方法
  • 8.1 深度网络的可迁移性
  • 8.2 预训练–微调
  • 8.3 预训练方法的有效性分析
  • 8.4 自适应的预训练方法
  • 8.5 重新思考预训练模型的使用
  • 8.6 上手实践
  • 8.7 小结
  • 第9章 深度迁移学习
  • 9.1 总体思路
  • 9.2 深度迁移学习的网络结构
  • 9.3 数据分布自适应的深度迁移学习方法
  • 9.4 结构自适应的深度迁移学习方法
  • 9.5 知识蒸馏
  • 9.6 上手实践
  • 9.7 小结
  • 第10章 对抗迁移学习
  • 10.1 生成对抗网络
  • 10.2 对抗迁移学习基本思路
  • 10.3 数据分布自适应的对抗迁移方法
  • 10.4 基于信息解耦的对抗迁移方法
  • 10.5 基于数据生成的对抗迁移方法
  • 10.6 上手实践
  • 10.7 小结
  • 第11章 迁移学习热门研究问题
  • 11.1 类别不均衡的迁移学习
  • 11.2 多源迁移学习
  • 11.3 开放集迁移学习
  • 11.4 时间序列的迁移学习
  • 11.5 联邦迁移学习
  • 11.6 基于因果关系的迁移学习
  • 11.7 自动迁移学习
  • 11.8 在线迁移学习
  • 第三部分 扩展与探索
  • 第12章 领域泛化
  • 12.1 领域泛化问题
  • 12.2 基于数据分布自适应的方法
  • 12.3 基于解耦的方法
  • 12.4 基于集成模型的方法
  • 12.5 基于数据生成的方法
  • 12.6 基于元学习的方法
  • 12.7 小结
  • 第13章 元学习
  • 13.1 元学习简介
  • 13.2 基于模型的元学习方法
  • 13.3 基于度量的元学习方法
  • 13.4 基于优化的元学习方法
  • 13.5 元学习的应用与挑战
  • 13.6 小结
  • 第14章 迁移学习模型选择
  • 14.1 模型选择
  • 14.2 基于密度估计的模型选择
  • 14.3 迁移交叉验证
  • 14.4 小结
  • 第四部分 应用与展望
  • 第15章 迁移学习的应用
  • 15.1 计算机视觉
  • 15.2 自然语言处理
  • 15.3 语音识别与合成
  • 15.4 普适计算与人机交互
  • 15.5 医疗健康领域
  • 15.6 其他应用
  • 15.7 小结
  • 第16章 迁移学习前沿
  • 16.1 融合人类经验的迁移
  • 16.2 迁移强化学习
  • 16.3 迁移学习的可解释性
  • 16.4 迁移学习系统
  • 附录A
  • A.1 常用度量准则
  • A.1.1 常见的几种距离
  • A.1.2 余弦相似度
  • A.1.3 互信息
  • A.1.4 相关系数
  • A.1.5 KL散度与JS距离
  • A.1.6 最大均值差异MMD
  • A.1.7 Principal Angle
  • A.1.8 A-distance
  • A.1.9 希尔伯特–施密特独立性系数
  • A.1.10 Wasserstein Distance
  • A.2 迁移学习常用数据集
  • A.2.1 手写体识别图像数据集
  • A.2.2 对象识别数据集
  • A.2.3 图像分类数据集
  • A.2.4 通用文本分类数据集
  • A.2.5 行为识别公开数据集
  • A.3 本书相关资源
  • 参考文献
展开全部

评分及书评

评分不足
1个评分

出版方

电子工业出版社

电子工业出版社成立于1982年10月，是国务院独资、工信部直属的中央级科技与教育出版社，是专业的信息技术知识集成和服务提供商。经过三十多年的建设与发展，已成为一家以科技和教育出版、期刊、网络、行业支撑服务、数字出版、软件研发、软科学研究、职业培训和教育为核心业务的现代知识服务集团。出版物内容涵盖了电子信息技术的各个分支及工业技术、经济管理、科普与少儿、社科人文等领域，综合出版能力位居全国出版行业前列。