幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

Meta Learning學習者手記/中外學者論AI

  • 作者：編者:王文峰|責編:王芳
  • 出版社：清華大學
  • ISBN：9787302684121
  • 出版日期：2025/04/01
  • 裝幀：平裝
  • 頁數：141
人民幣：RMB 49 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書選擇以Chelsea Finn創立的模型無關元學習演算法程序為主線，系統研究Meta Learning過程中的聯合訓練問題、任務構建問題、過程建模問題、輸入輸出問題和應用拓展問題。本書共5章，前兩章採用釋義代碼分析元學習的基本問題，從第3章開始側重對原始代碼的分析。為確保零基礎的讀者能快速上手，前3章的代碼註解極為詳細，同時循序漸進地引導讀者完成編程平台搭建與開發環境配置。第4章和第5章重點引導讀者形成元學習的編程思維，並進一步定義相關演算法的學習過程。本書內容通俗易懂，對人工智慧感興趣但缺少專業指導的讀者，開篇即可輕鬆入門，在較短時間內即可收穫進步的喜悅。
    本書可作為高等學校本科生和研究生的教材，也可作為Python人工智慧技術研究的重要參考資料。通過本書的指引，可快速領悟Meta Learning過程中的建模思路、演算法思想、最優化方法和元優化機制，從而打下紮實的人工智慧研究基礎。
作者介紹
編者:王文峰|責編:王芳
    王文峰，上海應用技術大學電氣學院高級工程師，中國大數據與智能計算產業聯盟理事。主要從事類腦學習與認知計算研究，側重數學跨學科應用，目前已涉及電腦視覺、機器人、安防、生態、地理、醫學等領域。兼任國家自然科學基金評審專家（面上項目類）、第三腦研究院（美國）資深客座研究員、Springer/IEEE旗下多個國際會議委員和分會場主席、多個SCI期刊審稿專家。
目錄
第1章  聯合訓練問題
  1.1  問題描述
    1.1.1  以任務為樣本
    1.1.2  面向學習過程
    1.1.3  快速適應新任務
  1.2  建模思路
    1.2.1  局部最優模型
    1.2.2  全局最優模型
    1.2.3  模型前置代碼
  1.3  演算法思想
    1.3.1  外層循環演算法
    1.3.2  內層循環演算法
    1.3.3  權重更新代碼
  1.4  最優化方法
    1.4.1  準備優化工具
    1.4.2  搭建優化平台
    1.4.3  最優化科學計算包
  1.5  元優化機制
    1.5.1  環境變數的配置
    1.5.2  環境變數的驗證
    1.5.3  元優化機制
第2章  任務構建問題
  2.1  問題描述
    2.1.1  小樣本單元
    2.1.2  有限監督數據
    2.1.3  支撐集與查詢集
  2.2  建模思路
    2.2.1  任務分佈模型
    2.2.2  監督學習模型
    2.2.3  模型前置代碼
  2.3  演算法思想
    2.3.1  單元劃分演算法
    2.3.2  標籤分配演算法
    2.3.3  任務生成演算法
  2.4  最優化方法
    2.4.1  創建優化環境
    2.4.2  更新優化系統
    2.4.3  安裝編程內核
  2.5  元優化機制
    2.5.1  代碼編輯器
    2.5.2  元優化程序
    2.5.3  元優化機制
第3章  過程建模問題
  3.1  問題描述
    3.1.1  基準數據集
    3.1.2  圖像尺寸調整
    3.1.3  知識獲取過程
  3.2  建模思路
    3.2.1  圖像載入模型
    3.2.2  尺寸調整模型

    3.2.3  空間插值模型
  3.3  演算法思想
    3.3.1  文件保存演算法
    3.3.2  目錄創建演算法
    3.3.3  文件讀取演算法
  3.4  最優化方法
    3.4.1  隨機抽樣過程
    3.4.2  樣本學習過程
    3.4.3  最優化過程
  3.5  元優化機制
    3.5.1  元優化過程
    3.5.2  拓展優化環境
    3.5.3  最大池化過程
第4章  輸入輸出問題
  4.1  問題描述
    4.1.1  源代碼下載
    4.1.2  免費授權許可
    4.1.3  代碼的組成部分
  4.2  建模思路
    4.2.1  系統架構模型
    4.2.2  輸入輸出模型
    4.2.3  輸出評價模型
  4.3  演算法思想
    4.3.1  輸入生成演算法
    4.3.2  輸出生成演算法
    4.3.3  運行控制演算法
  4.4  最優化方法
    4.4.1  優化庫包的導入
    4.4.2  生成器的初始化
    4.4.3  目錄的生成
  4.5  元優化機制
    4.5.1  元優化目錄
    4.5.2  元優化的輸入
    4.5.3  元優化的輸出
第5章  應用拓展問題
  5.1  問題描述
    5.1.1  前述問題回顧
    5.1.2  元學習系統網路
    5.1.3  MAML的定義
  5.2  建模思路
    5.2.1  系統模型拓展
    5.2.2  梯度模型拓展
    5.2.3  快速梯度下降
  5.3  演算法思想
    5.3.1  輸入層的權值
    5.3.2  隱含層的權值
    5.3.3  網路構造演算法
    5.3.4  從卷積層拓展
    5.3.5  從隱含層拓展
  5.4  最優化方法

    5.4.1  學習日誌的拓展
    5.4.2  日誌讀取應用
    5.4.3  優化器的拓展
    5.4.4  優化器的應用
    5.4.5  顯示優化過程
  5.5  元優化機制
    5.5.1  虛擬環境的拓展
    5.5.2  模塊代碼的調試
    5.5.3  元任務的理解
    5.5.4  元訓練的機制
    5.5.5  元測試的機制
後記

  • 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