鏈接：https://pan.baidu.com/s/1Kj9QnGfkpV8Dck3f-CLIfw?pwd=fzl0?

提取碼：fzl0

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(duì)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(duì)每一類算法，從問(wèn)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(duì)遷移學(xué)習(xí)的應(yīng)用場(chǎng)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(chǎng)景，為遷移學(xué)習(xí)落地實(shí)踐提供指導(dǎo)和幫助。

作者簡(jiǎn)介

莊福振　
北京航空航天大學(xué)教授，博士生導(dǎo)師，入選國(guó)家級(jí)人才計(jì)劃。在Nature Communications、 PIEEE、TKDE、KDD、IJCAI、AAAI、 WWW、ICDE等本領(lǐng)域頂級(jí)、重要國(guó)際期刊和國(guó)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(guó)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(guó)科學(xué)院青年創(chuàng)新促進(jìn)會(huì)。


朱勇椿
博士，長(zhǎng)期致力于可靠人工智能研究及應(yīng)用，在KDD、WWW、SIGIR、TKDE等國(guó)際頂級(jí)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(kāi)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(zhǎng)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(guó)際頂級(jí)學(xué)術(shù)期刊和會(huì)議上發(fā)表論文百余篇，授權(quán)國(guó)內(nèi)外專利近百項(xiàng)，多次榮獲年度最佳論文獎(jiǎng)。他曾獲得中國(guó)管理科學(xué)學(xué)會(huì)“管理科學(xué)獎(jiǎng)” 、教育部自然科學(xué)獎(jiǎng)一等獎(jiǎng)、中國(guó)人工智能學(xué)會(huì)優(yōu)博、中國(guó)科學(xué)院優(yōu)博、中國(guó)科學(xué)院院長(zhǎng)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(zhǎng)。他獲得的部分榮譽(yù)包括AAAS Fellow、IEEE Fellow、ACM杰出科學(xué)家、中國(guó)教育部長(zhǎng)江講座教授、中國(guó)國(guó)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(chǎng)大獎(jiǎng)”、2017 IEEE ICDM Outstanding Service Award、ICDM-2011最佳研究論文獎(jiǎng)和AAAI-2021最佳論文獎(jiǎng)。

目錄

目錄

序

前言

作者簡(jiǎn)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(lái)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(wèn)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(wèn)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(yǔ)義分析的主題共享領(lǐng)域遷移算法30

3.4基于協(xié)同對(duì)偶概率潛在語(yǔ)義分析的多域領(lǐng)域遷移33

3.5更普適的基于潛在語(yǔ)義分析的多域領(lǐng)域遷移36

3.6基于組對(duì)齊的跨領(lǐng)域標(biāo)簽主題模型39

3.7基于粗粒度對(duì)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(wèn)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(duì)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(duì)抗深度學(xué)習(xí)的遷移學(xué)習(xí)方法62

5.1問(wèn)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(duì)抗網(wǎng)絡(luò)的像素級(jí)領(lǐng)域自適應(yīng)方法70

5.5最大化分類器一致性的無(wú)監(jiān)督領(lǐng)域自適應(yīng)方法73

5.6循環(huán)一致對(duì)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(wèn)題定義82

6.2基于Boosting的模型融合82

6.3有監(jiān)督與無(wú)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(wèn)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(wèn)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(wèn)題定義143

9.2基于概率潛在語(yǔ)義分析的多視圖學(xué)習(xí)144

9.3基于最大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(duì)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(yǔ)言處理中的應(yīng)用181

10.2計(jì)算機(jī)視覺(jué)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(cè)中的實(shí)踐案例241

11.4本章小結(jié)249

參考文獻(xiàn)250

查看全部↓

前言/序言

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(méi)有樣本的富有挑戰(zhàn)性的學(xué)習(xí)問(wèn)題。在過(guò)去的十幾年里，不管從算法、理論研究還是從實(shí)際場(chǎng)景應(yīng)用來(lái)說(shuō)，遷移學(xué)習(xí)都得到越來(lái)越廣泛的關(guān)注與研究。