《遷移學習導論》是電子工業出版社於2021年出版的書籍。
基本介紹
- 中文名：遷移學習導論
- 作者：王晉東，陳益強
- 出版時間：2021年5月
- 出版社：電子工業出版社
- 頁數：296 頁
- ISBN：9787121410895
- 定價：109 元
- 開本：16 開
內容簡介,圖書目錄,
內容簡介
遷移學習作為機器學習和人工智慧領域的重要方法，在計算機視覺、自然語言處理、語音識別等領域都得到了廣泛的套用。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。全書主要分為背景與概念、方法與技術、擴展與探索及套用與展望四大部分。除此之外，本書還配有相關的代碼、數據和論文資料，最大限度地降低初學者的學習和使用門檻。本書適合對遷移學習感興趣的讀者閱讀，也可以作為相關課程的配套教材。
圖書目錄
第一部分背景與概念.........................1
第1 章緒論..............................3
1.1 遷移學習..............................3
1.2 相關研究領域............................6
1.3 遷移學習的必要性.........................8
1.4 遷移學習的研究領域........................11
1.5 遷移學習的套用..........................14
1.6 學術會議和工業界中的遷移學習..................18
第2 章從機器學習到遷移學習...................21
2.1 機器學習及基本概念........................21
2.2 結構風險最小化..........................22
2.3 數據的機率分布..........................23
2.4 概念與符號.............................25
2.5 遷移學習的問題定義........................26
XI
遷移學習導論
第3 章遷移學習基本問題......................29
3.1 何處遷移..............................30
3.2 何時遷移..............................32
3.3 如何遷移..............................32
3.4 失敗的遷移：負遷移........................33
3.5 完整的遷移學習過程........................35
第二部分方法與技術.........................37
第4 章遷移學習方法總覽......................39
4.1 遷移學習總體思路.........................39
4.2 分布差異的度量..........................40
4.3 遷移學習統一表征.........................45
4.4 上手實踐..............................48
4.5 遷移學習理論............................53
第5 章樣本權重遷移法.......................59
5.1 問題定義..............................59
5.2 基於樣本選擇的方法........................61
5.3 基於權重自適應的方法.......................64
5.4 上手實踐..............................66
5.5 小結................................68
第6 章統計特徵變換遷移法....................69
6.1 問題定義..............................69
6.2 最大均值差異法..........................70
6.3 度量學習法.............................78
6.4 上手實踐..............................81
6.5 小結................................84
XII
目錄
第7 章幾何特徵變換遷移法....................85
7.1 問題定義..............................85
7.2 子空間變換法............................86
7.3 流形學習法.............................87
7.4 最優傳輸法.............................91
7.5 上手實踐..............................94
7.6 小結................................97
第8 章預訓練方法..........................99
8.1 深度網路的可遷移性........................99
8.2 預訓練–微調............................102
8.3 預訓練方法的有效性分析......................105
8.4 自適應的預訓練方法........................106
8.5 重新思考預訓練模型的使用....................108
8.6 上手實踐..............................110
8.7 小結................................113
第9 章深度遷移學習........................115
9.1 總體思路..............................116
9.2 深度遷移學習的網路結構......................117
9.3 數據分布自適應的深度遷移學習方法................120
9.4 結構自適應的深度遷移學習方法..................122
9.5 知識蒸餾..............................125
9.6 上手實踐..............................127
9.7 小結................................133
第10 章對抗遷移學習........................135
10.1 生成對抗網路...........................135
10.2 對抗遷移學習基本思路......................136
XIII
遷移學習導論
10.3 數據分布自適應的對抗遷移方法.................137
10.4 基於信息解耦的對抗遷移方法...................140
10.5 基於數據生成的對抗遷移方法...................141
10.6 上手實踐.............................142
10.7 小結................................145
第11 章遷移學習熱門研究問題..................147
11.1 類別不均衡的遷移學習......................148
11.2 多源遷移學習...........................150
11.3 開放集遷移學習..........................153
11.4 時間序列的遷移學習.......................154
11.5 聯邦遷移學習...........................158
11.6 基於因果關係的遷移學習.....................161
11.7 自動遷移學習...........................168
11.8 線上遷移學習...........................171
第三部分擴展與探索.........................175
第12 章領域泛化..........................177
12.1 領域泛化問題...........................177
12.2 基於數據分布自適應的方法....................181
12.3 基於解耦的方法..........................184
12.4 基於集成模型的方法.......................186
12.5 基於數據生成的方法.......................187
12.6 基於元學習的方法.........................190
12.7 小結................................191
第13 章元學習............................193
13.1 元學習簡介............................193
13.2 基於模型的元學習方法......................196
XIV
目錄
13.3 基於度量的元學習方法......................198
13.4 基於最佳化的元學習方法......................199
13.5 元學習的套用與挑戰.......................201
13.6 小結................................202
第14 章遷移學習模型選擇.....................205
14.1 模型選擇.............................205
14.2 基於密度估計的模型選擇.....................206
14.3 遷移交叉驗證...........................207
14.4 小結................................208
第四部分套用與展望.........................209
第15 章遷移學習的套用......................211
15.1 計算機視覺............................212
15.2 自然語言處理...........................214
15.3 語音識別與合成..........................216
15.4 普適計算與人機互動.......................218
15.5 醫療健康領域...........................220
15.6 其他套用.............................223
15.7 小結................................225
第16 章遷移學習前沿........................227
16.1 融合人類經驗的遷移.......................227
16.2 遷移強化學習...........................228
16.3 遷移學習的可解釋性.......................228
16.4 遷移學習系統...........................229
附錄A...................................231
A.1 常用度量準則...........................231
XV
遷移學習導論
A.2 遷移學習常用數據集........................235
A.3 本書相關資源...........................238
參考文獻.................................241
