知識遷移學習方法及套用

內容簡介

知識遷移的目標是使機器具有和人一樣的“舉一反三”的能力，通過已掌握的知識來完成新的任務。知識遷移是機器突破程式化約束，具有自主學習能力的關鍵因素，近年來已成為人工智慧的研究熱點之一。從“如何遷移”“遷移什麼”與“何時遷移”等角度入手，系統闡述了關聯知識的表達形式、遷移的方式與手段以及實現遷移的時機等問題。然而知識遷移方法在提升機器智慧型性的同時，常常遇到“負遷移”的難題，即遷移後效果反而變差，為此，本書從兩方面著手：對遷移任務間相似度的衡量給出一定的標準，篩除相關性差的源任務；避免樣本的直接遷移，提取關聯任務間的公共特徵，即在特徵空間實現遷移。為將知識遷移理論推廣到實際領域，本書圍繞文本分類、人臉識別、色彩調和、目標決策與最佳化規劃等一系列任務展開論述，將知識遷移方法分為分類遷移、決策遷移、色彩遷移與最佳化遷移等4部分進行分析與研究。此外，各章節內容均涉及相關領域基礎知識的介紹，能夠為不同層次的讀者與研究人員提供入門知識與參考信息。

圖書目錄

前言

第1章知識遷移概述

第2章基於局部保持投影的特徵遷移

第3章加權多源TrAdaBoost算法

第4章多源Tri－Training知識遷移

第5章基於樣本分布信息的跨領域知識遷移

第6章基於相似度衡量的決策樹遷移

第7章基於極限學習機的多源強化知識遷移

第8章基於主動輪廓探索的多源色彩遷移

第9章基於紋理相似性的多源局部色彩遷移算法

第10章基於圖構建的多源參數遷移

第11章基於樣本空間篩選的最佳化遷移

附錄部分知識遷移學習算法MATLAB源程式

索引

知識遷移學習方法及套用

基本介紹

內容簡介

圖書目錄

相關詞條

熱門詞條