幫助中心 | 我的帳號 | 關於我們

遷移學習導論(第2版人工智慧探索與實踐)

  • 作者:王晉東//陳益強|責編:劉皎
  • 出版社:電子工業
  • ISBN:9787121436505
  • 出版日期:2022/07/01
  • 裝幀:平裝
  • 頁數:378
人民幣:RMB 119 元      售價:
放入購物車
加入收藏夾

內容大鋼
    遷移學習作為機器學習和人工智慧領域的重要方法,在電腦視覺、自然語言處理、語音識別等領域都得到了廣泛的應用。
    本書的編寫目的是幫助遷移學習及機器學習相關領域的初學者快速入門。全書主要分為「遷移學習基礎」「現代遷移學習」和「遷移學習的應用與實踐」三大部分,同時配有相關的代碼、數據和論文資料,以最大限度地降低初學者的學習和使用門檻。
    本書與前一版的主要區別在於新增了對遷移學習前沿關鍵主題的探討,以及更多的應用實踐內容。
    本書適合對遷移學習感興趣的讀者閱讀,也可作為相關課程的配套教材。

作者介紹
王晉東//陳益強|責編:劉皎

目錄
第Ⅰ部分  遷移學習基礎
  1  緒論
    1.1  遷移學習
    1.2  相關研究領域
    1.3  遷移學習的必要性
      1.3.1  大數據與少標注之間的矛盾
      1.3.2  大數據與弱計算能力的矛盾
      1.3.3  有限數據與模型泛化能力的矛盾
      1.3.4  普適化模型與個性化需求的矛盾
      1.3.5  特定應用的需求
    1.4  遷移學習的研究領域
      1.4.1  按特徵空間分類
      1.4.2  按目標域有無標籤分類
      1.4.3  按學習方法分類
      1.4.4  按離線與在線形式分類
    1.5  學術界和工業界中的遷移學習
    1.6  遷移學習的應用
      1.6.1  電腦視覺
      1.6.2  自然語言處理
      1.6.3  語音識別與合成
      1.6.4  普適計算與人機交互
      1.6.5  醫療健康
      1.6.6  其他應用領域
    參考文獻
  2  從機器學習到遷移學習
    2.1  機器學習基礎
      2.1.1  機器學習概念
      2.1.2  結構風險最小化
      2.1.3  數據的概率分佈
    2.2  遷移學習定義
    2.3  遷移學習基本問題
      2.3.1  何時遷移
      2.3.2  何處遷移
      2.3.3  如何遷移
    2.4  失敗的遷移:負遷移
    2.5  一個完整的遷移學習過程
    參考文獻
  3  遷移學習方法總覽
    3.1  分佈差異的度量
    3.2  分佈差異的統一表徵
      3.2.1  分佈自適應因子的計算
    3.3  遷移學習方法統一表徵
      3.3.1  樣本權重遷移法
      3.3.2  特徵變換遷移法
      3.3.3  模型預訓練遷移法
    3.4  上手實踐
      3.4.1  數據準備
      3.4.2  基準模型構建:KNN
    參考文獻
  4  樣本權重遷移法

    4.1  問題定義
    4.2  基於樣本選擇的方法
      4.2.1  基於非強化學習的樣本選擇法
      4.2.2  基於強化學習的樣本選擇法
  ……
  5  統計特徵變換遷移法
  6  幾何特徵變換遷移法
  7  遷移學習理論、評測與模型選擇
第Ⅱ部分  現代遷移學習
  8  預訓練-微調
  9  深度遷移學習
  10  對抗遷移學習
  11  遷移學習的泛化
  12  安全和魯棒的遷移學習
  13  複雜環境中的遷移學習
  14  低資源學習
第Ⅲ部分  遷移學習的應用與實踐
  15  電腦視覺中的遷移學習實踐
  16  自然語言處理中的遷移學習實踐
  17  語音識別中的遷移學習實踐
  18  行為識別中的遷移學習實踐
  19  醫療健康中的聯邦遷移學習實踐
  20  回顧與展望
附錄

  • 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