精品一区二区ww,欧美日韩国产在线一区二区a

本書首先從遷移學(xué)習(xí)采用的技術(shù)出發(fā)，系統(tǒng)地介紹每一類遷移學(xué)習(xí)算法，包括基于非負(fù)矩陣分解、概率模型、傳統(tǒng)深度學(xué)習(xí)、對抗深度學(xué)習(xí)、模型融合以及圖神經(jīng)網(wǎng)絡(luò)等的遷移學(xué)習(xí)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(diǎn)進(jìn)行介紹。然后針對遷移學(xué)習(xí)的應(yīng)用場景，介紹典型的應(yīng)用案例。后，介紹遷移學(xué)習(xí)在百度飛槳平臺(tái)上的實(shí)踐。本書旨在讓遷移學(xué)習(xí)或者相關(guān)領(lǐng)域研究人員系統(tǒng)地掌握遷移學(xué)習(xí)的各類算法，熟悉各類應(yīng)用場景，為遷移學(xué)習(xí)落地實(shí)踐提供指導(dǎo)和幫助。

遷移學(xué)習(xí)是機(jī)器學(xué)習(xí)中一種新的學(xué)習(xí)范式，解決的是目標(biāo)領(lǐng)域中只有少量標(biāo)記樣本，甚至沒有樣本的富有挑戰(zhàn)性的學(xué)習(xí)問題。在過去的十幾年里，不管從算法、理論研究還是從實(shí)際場景應(yīng)用來說，遷移學(xué)習(xí)都得到越來越廣泛的關(guān)注與研究。
國內(nèi)外學(xué)者對遷移學(xué)習(xí)的研究已經(jīng)有十幾年，并且提出了大量的遷移學(xué)習(xí)算法，但還沒有相關(guān)圖書針對這些算法從所采用的技術(shù)的角度進(jìn)行系統(tǒng)、深入的梳理和總結(jié)。本人從事遷移學(xué)習(xí)以及相關(guān)方面的研究將近十五年，一直想對遷移學(xué)習(xí)算法所采用的技術(shù)脈絡(luò)進(jìn)行系統(tǒng)梳理，方便學(xué)術(shù)界和工業(yè)界能夠較快地掌握各類遷移學(xué)習(xí)算法；另外，我們還將對已有的遷移學(xué)習(xí)代碼進(jìn)行梳理，方便遷移學(xué)習(xí)相關(guān)的研究學(xué)者以及應(yīng)用開發(fā)者進(jìn)行研究和實(shí)踐。因此，本書試圖按照遷移學(xué)習(xí)采用的技術(shù)對遷移學(xué)習(xí)算法進(jìn)行分類總結(jié)，以我們十幾年來的研究工作為基礎(chǔ)，擴(kuò)展各類遷移學(xué)習(xí)算法的代表性工作進(jìn)行介紹。具體來說，本書首先從遷移學(xué)習(xí)采用的技術(shù)出發(fā)，系統(tǒng)介紹每一類遷移學(xué)習(xí)算法，包括基于非負(fù)矩陣分解、概率模型、傳統(tǒng)深度學(xué)習(xí)、對抗深度學(xué)習(xí)、模型融合以及圖神經(jīng)網(wǎng)絡(luò)等的遷移學(xué)習(xí)算法，針對每一類算法介紹代表性的幾種工作，并從算法動(dòng)機(jī)、算法原理、算法流程等方面進(jìn)行重點(diǎn)介紹；然后針對遷移學(xué)習(xí)的應(yīng)用場景，介紹典型的應(yīng)用案例；后，介紹遷移學(xué)習(xí)在百度飛槳平臺(tái)上的實(shí)踐。本書旨在讓遷移學(xué)習(xí)或者相關(guān)領(lǐng)域的研究人員系統(tǒng)地掌握遷移學(xué)習(xí)的各類算法，熟悉各類應(yīng)用場景，進(jìn)而為落地實(shí)踐提供指導(dǎo)和幫助。
本書從2021年7月開始撰寫，之所以能夠順利完成，我的團(tuán)隊(duì)、學(xué)生、朋友，還有百度團(tuán)隊(duì)付出了巨大的努力。在這里我要特別感謝他們，包括孫瑩、秦川、朱勇椿、童逸琦、杜晨光、莊遠(yuǎn)鑫、張釗、張嘯、姚開春、李爽、顧晶晶、祝恒書、畢然、張亞嫻、張翰迪、馬艷軍、于佃海、吳蕾等（排名不分先后），他們每一個(gè)人都為本書的撰寫付出了大量的時(shí)間和精力，再次感謝他們。我還要感謝香港科技大學(xué)的楊強(qiáng)教授，他為本書的撰寫給出了很多建設(shè)性意見。當(dāng)然，本書的出版也離不開出版社編輯老師的辛勤付出，在這里一并表示感謝。由于作者水平有限，本書完成初稿以后，雖然經(jīng)歷過反復(fù)梳理和校對，書中難免還有一些問題和瑕疵。若有發(fā)現(xiàn)，請及時(shí)反饋給我（Email:zhuangfuzhen@buaaeducn）或出版社進(jìn)行修正，不勝感激。

莊福振　北京航空航天大學(xué)教授，博士生導(dǎo)師，入選人才計(jì)劃。在Nature Communications、 PIEEE、TKDE、KDD、IJCAI、AAAI、 WWW、ICDE等本領(lǐng)域、重要國際期刊和國際會(huì)議上發(fā)表錄用論文150多篇，其中CCF A類80多篇；Google學(xué)術(shù)引用9700余次。2013年獲得中國人工智能學(xué)會(huì)優(yōu)秀博士學(xué)位論文獎(jiǎng)，2017入選中國科學(xué)院青年創(chuàng)新促進(jìn)會(huì)。

朱勇椿博士，長期致力于可靠人工智能研究及應(yīng)用，在KDD、WWW、SIGIR、TKDE等國際學(xué)術(shù)會(huì)議和期刊發(fā)表文章28篇，Google學(xué)術(shù)引用3300余次。公開或授權(quán)專利10余項(xiàng)。提出的方法應(yīng)用到多家公司，包括騰訊、螞蟻金服、美團(tuán)、中科睿鑒等。參與三本遷移學(xué)習(xí)相關(guān)書籍的撰寫、翻譯工作。擔(dān)任KDD、WWW、AAAI、TKDE、TOIS等會(huì)議和期刊審稿人，獲得2022年百度獎(jiǎng)學(xué)金。

祝恒書博士，北京市高端領(lǐng)軍人才正高級(jí)工程師，BOSS直聘職業(yè)科學(xué)實(shí)驗(yàn)室（CSL）主任。他長期致力于人工智能領(lǐng)域前沿科學(xué)研究及跨領(lǐng)域產(chǎn)業(yè)應(yīng)用，在國際學(xué)術(shù)期刊和會(huì)議上發(fā)表論文百余篇，授權(quán)國內(nèi)外專利近百項(xiàng)，多次榮獲年度論文獎(jiǎng)。他曾獲得中國管理科學(xué)學(xué)會(huì)管理科學(xué)獎(jiǎng) 、教育*自然科學(xué)獎(jiǎng)一等獎(jiǎng)、中國人工智能學(xué)會(huì)優(yōu)博、中國科學(xué)院優(yōu)博、中國科學(xué)院院長特別獎(jiǎng)等榮譽(yù)和獎(jiǎng)項(xiàng)。

熊輝香港科學(xué)技術(shù)大學(xué)（廣州）講座教授、協(xié)理副校長。他獲得的部分榮譽(yù)包括AAAS Fellow、IEEE Fellow、ACM杰出科學(xué)家、中國教育*長江講座教授、中國國家基金委海外杰青B類（海外及港澳學(xué)者合作研究基金）、Harvard Business Review 2018年拉姆·查蘭管理實(shí)踐獎(jiǎng)-全場大獎(jiǎng)、2017 IEEE ICDM Outstanding Service Award、ICDM-2011研究論文獎(jiǎng)和AAAI-2021論文獎(jiǎng)。

目錄

序
前言
作者簡介

第1章緒論1

11遷移學(xué)習(xí)緣起1
12學(xué)習(xí)的遷移理論2
13遷移學(xué)習(xí)定義4
14遷移學(xué)習(xí)與已有學(xué)習(xí)范式的關(guān)系5
15遷移學(xué)習(xí)未來的研究方向8

第2章基于非負(fù)矩陣分解的遷移學(xué)習(xí)算法10

21問題定義10
22基于共享詞簇的知識(shí)遷移11
23基于相似概念（共享詞簇-文檔簇關(guān)聯(lián)）的知識(shí)遷移12
24同時(shí)考慮相同和相似概念的知識(shí)遷移15
25綜合考慮相同、相似、差異概念的知識(shí)遷移17
26軟關(guān)聯(lián)的知識(shí)遷移21
27本章小結(jié)24
第3章基于概率模型的遷移學(xué)習(xí)算法26

31問題定義26
32基于EM算法的樸素貝葉斯遷移算法28
33基于概率潛在語義分析的主題共享領(lǐng)域遷移算法30
34基于協(xié)同對偶概率潛在語義分析的多域領(lǐng)域遷移33
35更普適的基于潛在語義分析的多域領(lǐng)域遷移36
36基于組對齊的跨領(lǐng)域標(biāo)簽主題模型39
37基于粗粒度對齊主題模型的跨領(lǐng)域文本分類40
38本章小結(jié)42

第4章基于傳統(tǒng)深度學(xué)習(xí)的遷移學(xué)習(xí)方法43

41問題定義43
42基于深度自編碼器的遷移學(xué)習(xí)方法44
43深度領(lǐng)域自適應(yīng)網(wǎng)絡(luò)45
44深度子領(lǐng)域自適應(yīng)網(wǎng)絡(luò)48
45多表示自適應(yīng)網(wǎng)絡(luò)51
46同時(shí)對齊分布和分類器的多源自適應(yīng)方法54
47基于注意力特征圖的深度遷移學(xué)習(xí)方法57
48本章小結(jié)61

第5章基于對抗深度學(xué)習(xí)的遷移學(xué)習(xí)方法62

51問題定義64
52領(lǐng)域?qū)股窠?jīng)網(wǎng)絡(luò)64
53同時(shí)遷移領(lǐng)域和任務(wù)的遷移學(xué)習(xí)方法67
54基于生成對抗網(wǎng)絡(luò)的像素級(jí)領(lǐng)域自適應(yīng)方法70
55化分類器一致性的無監(jiān)督領(lǐng)域自適應(yīng)方法73
56循環(huán)一致對抗領(lǐng)域自適應(yīng)方法77
57本章小結(jié)79
第6章基于模型融合的遷移學(xué)習(xí)算法80

61問題定義82
62基于Boosting的模型融合82
63有監(jiān)督與無監(jiān)督的融合88
64基于優(yōu)化目標(biāo)正則化的方法98
65基于錨點(diǎn)的集成學(xué)習(xí)101
66本章小結(jié)104

第7章基于圖神經(jīng)網(wǎng)絡(luò)的遷移學(xué)習(xí)算法105

71問題定義106
72同質(zhì)圖神經(jīng)網(wǎng)絡(luò)的遷移學(xué)習(xí)算法106
73異質(zhì)圖神經(jīng)網(wǎng)絡(luò)的遷移學(xué)習(xí)算法114
74本章小結(jié)120

第8章多任務(wù)學(xué)習(xí)121

81問題定義122
82傳統(tǒng)多任務(wù)學(xué)習(xí)122
83基于深度神經(jīng)網(wǎng)絡(luò)的多任務(wù)學(xué)習(xí)134
84本章小結(jié)141

第9章多視圖學(xué)習(xí)算法143

91問題定義143
92基于概率潛在語義分析的多視圖學(xué)習(xí)144
93基于間隔原則的多視圖學(xué)習(xí)148
94基于子空間聚類方法的多視圖學(xué)習(xí)155
95基于完整空間方法的多視圖學(xué)習(xí)159
96多任務(wù)多視圖學(xué)習(xí)164
97推薦系統(tǒng)和人機(jī)對話領(lǐng)域的多視圖學(xué)習(xí)方法172
98本章小結(jié)180
第10章遷移學(xué)習(xí)應(yīng)用181

101自然語言處理中的應(yīng)用181
102計(jì)算機(jī)視覺中的應(yīng)用187
103推薦系統(tǒng)中的應(yīng)用205
104金融風(fēng)控中的應(yīng)用215
105城市計(jì)算中的應(yīng)用217
106本章小結(jié)230

第11章百度飛槳遷移學(xué)習(xí)應(yīng)用實(shí)踐231

111深度學(xué)習(xí)框架介紹231
112遷移學(xué)習(xí)在視頻分類中的實(shí)踐案例233
113遷移學(xué)習(xí)在目標(biāo)檢測中的實(shí)踐案例241
114本章小結(jié)249

參考文獻(xiàn)250

你還可能感興趣

我要評(píng)論