遷移學習算法：套用與實踐

內容簡介

本書首先從遷移學習採用的技術出發，系統地介紹每一類遷移學習算法，包括基於非負矩陣分解、機率模型、傳統深度學習、對抗深度學習、模型融合以及圖神經網路等的遷移學習算法。針對每一類算法，從問題定義、算法原理、算法流程等方面重點進行介紹。然後針對遷移學習的套用場景，介紹典型的套用案例。後，介紹遷移學習在百度飛槳平台上的實踐。本書旨在讓遷移學習或者相關領域研究人員系統地掌握遷移學習的各類算法，熟悉各類套用場景，為遷移學習落地實踐提供指導和幫助。

圖書目錄

序

前言

作者簡介

第1章緒論1

1.1遷移學習緣起1

1.2學習的遷移理論2

1.3遷移學習定義4

1.4遷移學習與已有學習範式的關係5

1.5遷移學習未來的研究方向8

第2章基於非負矩陣分解的遷移學習算法10

2.1問題定義10

2.2基於共享詞簇的知識遷移11

2.3基於相似概念（共享詞簇-文檔簇關聯）的知識遷移12

2.4同時考慮相同和相似概念的知識遷移15

2.5綜合考慮相同、相似、差異概念的知識遷移17

2.6軟關聯的知識遷移21

2.7本章小結24

第3章基於機率模型的遷移學習算法26

3.1問題定義26

3.2基於EM算法的樸素貝葉斯遷移算法28

3.3基於機率潛在語義分析的主題共享領域遷移算法30

3.4基於協同對偶機率潛在語義分析的多域領域遷移33

3.5更普適的基於潛在語義分析的多域領域遷移36

3.6基於組對齊的跨領域標籤主題模型39

3.7基於粗粒度對齊主題模型的跨領域文本分類40

3.8本章小結42

第4章基於傳統深度學習的遷移學習方法43

4.1問題定義43

4.2基於深度自編碼器的遷移學習方法44

4.3深度領域自適應網路45

4.4深度子領域自適應網路48

4.5多表示自適應網路51

4.6同時對齊分布和分類器的多源自適應方法54

4.7基於注意力特徵圖的深度遷移學習方法57

4.8本章小結61

第5章基於對抗深度學習的遷移學習方法62

5.1問題定義64

5.2領域對抗神經網路64

5.3同時遷移領域和任務的遷移學習方法67

5.4基於生成對抗網路的像素級領域自適應方法70

5.5最大化分類器一致性的無監督領域自適應方法73

遷移學習算法：套用與實踐

基本介紹

內容簡介

圖書目錄

相關詞條

熱門詞條