幫助中心 | 我的帳號 | 關於我們

終身機器學習(原書第2版)/智能科學與技術叢書

  • 作者:(美)陳志源//劉兵|譯者:陳健
  • 出版社:機械工業
  • ISBN:9787111632122
  • 出版日期:2019/08/01
  • 裝幀:平裝
  • 頁數:186
人民幣:RMB 79 元      售價:
放入購物車
加入收藏夾

內容大鋼
    本書介紹高級機器學習範式——終身機器學習,這種範式通過積累過去的知識持續地學習,並將所學到的知識用於幫助未來的學習和解決問題。本書適用於對機器學習、數據挖掘、自然語言處理或模式識別感興趣的學生、研究人員和從業人員。

作者介紹
(美)陳志源//劉兵|譯者:陳健

目錄
譯者序
前言
致謝
第1章  引言
  1.1  傳統機器學習範式
  1.2  案例
  1.3  終身學習簡史
  1.4  終身學習的定義
  1.5  知識類型和關鍵挑戰
  1.6  評估方法和大數據的角色
  1.7  本書大綱
第2章  相關學習範式
  2.1  遷移學習
    2.1.1  結構對應學習
    2.1.2  樸素貝葉斯遷移分類器
    2.1.3  遷移學習中的深度學習
    2.1.4  遷移學習與終身學習的區別
  2.2  多任務學習
    2.2.1  多任務學習中的任務相關性
    2.2.2  GO-MTL:使用潛在基礎任務的多任務學習
    2.2.3  多任務學習中的深度學習
    2.2.4  多任務學習與終身學習的區別
  2.3  在線學習
  2.4  強化學習
  2.5  元學習
  2.6  小結
第3章  終身監督學習
  3.1  定義和概述
  3.2  基於記憶的終身學習
    3.2.1  兩個基於記憶的學習方法
    3.2.2  終身學習的新表達
  3.3  終身神經網路
    3.3.1  MTL網路
    3.3.2  終身EBNN
  3.4  ELLA:高效終身學習演算法
    3.4.1  問題設定
    3.4.2  目標函數
    3.4.3  解決一個低效問題
    3.4.4  解決第二個低效問題
    3.4.5  主動的任務選擇
  3.5  終身樸素貝葉斯分類
    3.5.1  樸素貝葉斯文本分類
    3.5.2  LSC的基本思想
    3.5.3  LSC技術
    3.5.4  討論
  3.6  基於元學習的領域詞嵌入
  3.7  小結和評估數據集
第4章  持續學習與災難性遺忘
  4.1  災難性遺忘
  4.2  神經網路中的持續學習

  4.3  無遺忘學習
  4.4  漸進式神經網路
  4.5  彈性權重合併
  4.6  iCaRL:增量分類器與表示學習
    4.6.1  增量訓練
    4.6.2  更新特徵表示
    4.6.3  為新類構建範例集
    4.6.4  在iCaRL中完成分類
  4.7  專家網關
    4.7.1  自動編碼網關
    4.7.2  測量訓練的任務相關性
    4.7.3  為測試選擇相關的專家
    4.7.4  基於編碼器的終身學習
  4.8  生成式重放的持續學習
    4.8.1  生成式對抗網路
    4.8.2  生成式重放
評估災難性遺忘
  4.10  小結和評估數據集
第5章  開放式學習
  5.1  問題定義和應用
  5.2  基於中心的相似空間學習
    5.2.1  逐步更新CBS學習模型
    5.2.2  測試CBS學習模型
    5.2.3  用於未知類檢測的CBS學習
  5.3  DOC:深度開放式分類
    5.3.1  前饋層和一對其餘層
    5.3.2  降低開放空間風險
    5.3.3  DOC用於圖像分類
    5.3.4  發現未知類
  5.4  小結和評估數據集
第6章  終身主題建模
  6.1  終身主題建模的主要思想
  6.2  LTM:終身主題模型
    6.2.1  LTM模型
    6.2.2  主題知識挖掘
    6.2.3  融合過去的知識
    6.2.4  Gibbs採樣器的條件分佈
  6.3  AMC:少量數據的終身主題模型
    6.3.1  AMC整體演算法
    6.3.2  挖掘must-link知識
    6.3.3  挖掘cannot-link知識
    6.3.4  擴展的P?lya瓮模型
    6.3.5  Gibbs採樣器的採樣分佈
  6.4  小結和評估數據集
第7章  終身信息提取
  7.1  NELL:永不停止語言學習器
    7.1.1  NELL結構
    7.1.2  NELL中的提取器與學習
    7.1.3  NELL中的耦合約束
  7.2  終身評價目標提取

    7.2.1  基於推薦的終身學習
    7.2.2  AER演算法
    7.2.3  知識學習
    7.2.4  使用過去知識推薦
  7.3  在工作中學習
    7.3.1  條件隨機場
    7.3.2  一般依賴特徵
    7.3.3  L-CRF演算法
  7.4  Lifelong-RL:終身鬆弛標記法
    7.4.1  鬆弛標記法
    7.4.2  終身鬆弛標記法
  7.5  小結和評估數據集
第8章  聊天機器人的持續知識學習
  8.1  LiLi:終身交互學習與推理
  8.2  LiLi的基本思想
  8.3  LiLi的組件
  8.4  運行示例
  8.5  小結和評估數據集
第9章  終身強化學習
  9.1  基於多環境的終身強化學習
  9.2  層次貝葉斯終身強化學習
    9.2.1  動機
    9.2.2  層次貝葉斯方法
    9.2.3  MTRL演算法
    9.2.4  更新層次模型參數
    9.2.5  對MDP進行採樣
  9.3  PG-ELLA:終身策略梯度強化學習
    9.3.1  策略梯度強化學習
    9.3.2  策略梯度終身學習設置
    9.3.3  目標函數和優化
    9.3.4  終身學習的安全策略搜索
    9.3.5  跨領域終身強化學習
  9.4  小結和評估數據集
第10章  結論及未來方向
參考文獻

  • 商品搜索:
  • | 高級搜索
首頁新手上路客服中心關於我們聯絡我們Top↑
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話:02-2381-2033 02-2381-1863 時間:週一-週五 10:00-17:00
 服務信箱:bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證:浙B2-20060032