鏈接：https://pan.baidu.com/s/1P44bFCQrfoE2cWX8kCoozg?pwd=riel?

提取碼：riel

●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(guān)聯(lián)的知識遷移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)的像素級領(lǐng)域自適應(yīng)方法70
5.5優(yōu)選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基于優(yōu)選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計算機視覺中的應(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)在視頻分類中的實踐案例233
11.3遷移學(xué)習(xí)在目標(biāo)檢測中的實踐案例241
11.4本章小結(jié)249
參考文獻250

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進行介紹。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。最后，介紹遷移學(xué)習(xí)在百度飛槳平臺上的實踐。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)落地實踐提供指導(dǎo)和幫助。