基本信息 

书名：	迁移学习导论(人工智能探索与实践)
作者：	王晋东，陈益强著
出版社：	电子工业出版社
出版日期：	2021-06-01
版次：	第1版
ISBN：	9787121410895
市场价：	109.0

目录 部分背景与概念.........................1
第1 章绪论..............................3
1.1 迁移学习..............................3
1.2 相关研究领域............................6
1.3 迁移学必要.........................8
1.4 迁移学研究领域........................11
1.5 迁移学应用..........................14
1.6 学术会议和工业界中的迁移学习..................18
第2 章从机器学习到迁移学习...................21
2.1 机器学习及基本概念........................21
2.2 结构风险小化..........................22
2.3 数据的概率分布..........................23
2.4 概念与符号.............................25
2.5 迁移学问题定义........................26
XI
迁移学习导论
第3 章迁移学习基本问题......................29
3.1 何处迁移..............................30
3.2 何时迁移..............................32
3.3 如何迁移..............................32
3.4 失败的迁移：负迁移........................33
3.5 完整的迁移学习过程........................35
部分方.........................37
第4 章迁移学习方览......................39
4.1 迁移学体思路.........................39
4.2 分布差异的度量..........................40
4.3 迁移学习统一表征.........................45
4.4 上手实践..............................48
4.5 迁移学习理论............................53
第5 章样本权重迁移法.......................59
5.1 问题定义..............................59
5.2 基于样本选择的方法........................61
5.3 基于权重自适应的方法.......................64
5.4 上手实践..............................66
5.5 小结................................68
第6 章统计特征变换迁移法....................69
6.1 问题定义..............................69
6.2 大均值差异法..........................70
6.3 度量学习法.............................78
6.4 上手实践..............................81
6.5 小结................................84
XII
目录
第7 章几何特征变换迁移法....................85
7.1 问题定义..............................85
7.2 子空间变换法............................86
7.3 流形学习法.............................87
7.4 优传输法.............................91
7.5 上手实践..............................94
7.6 小结................................97
第8 章预训练方法..........................99
8.1 深度网络的可迁移........................99
8.2 预训练?微调............................102
8.3 预训练方法的有效分析......................105
8.4 自适应的预训练方法........................106
8.5 重新思考预训练模型的使用....................108
8.6 上手实践..............................110
8.7 小结................................113
第9 章深度迁移学习........................115
9.1体思路..............................116
9.2 深度迁移学网络结构......................117
9.3 数据分布自适应的深度迁移学习方法................120
9.4 结构自适应的深度迁移学习方法..................122
9.5 知识蒸馏..............................125
9.6 上手实践..............................127
9.7 小结................................133
第10 章对抗迁移学习........................135
10.1 生成对抗网络...........................135
10.2 对抗迁移学习基本思路......................136
XIII
迁移学习导论
10.3 数据分布自适应的对抗迁移方法.................137
10.4 基于信息解耦的对抗迁移方法...................140
10.5 基于数据生成的对抗迁移方法...................141
10.6 上手实践.............................142
10.7 小结................................145
第11 章迁移学习热门研究问题..................147
11.1 类别不均衡的迁移学习......................148
11.2 多源迁移学习...........................150
11.3 开放集迁移学习..........................153
11.4 时间序列的迁移学习.......................154
11.5 联邦迁移学习...........................158
11.6 基于因果关系的迁移学习.....................161
11.7 自动迁移学习...........................168
11.8 在线迁移学习...........................171
第三部分扩展与探索.........................175
第12 章领域泛化..........................177
12.1 领域泛化问题...........................177
12.2 基于数据分布自适应的方法....................181
12.3 基于解耦的方法..........................184
12.4 基于集成模型的方法.......................186
12.5 基于数据生成的方法.......................187
12.6 基于元学方法.........................190
12.7 小结................................191
第13 章元学习............................193
13.1 元学习简介............................193
13.2 基于模型的元学习方法......................196
XIV
目录
13.3 基于度量的元学习方法......................198
13.4 基于优化的元学习方法......................199
13.5 元学应用与挑战.......................201
13.6 小结................................202
第14 章迁移学习模型选择.....................205
14.1 模型选择.............................205
14.2 基于密度估计的模型选择.....................206
14.3 迁移交叉验证...........................207
14.4 小结................................208
第四部分应用与展望.........................209
第15 章迁移学应用......................211
15.1 计算机视觉............................212
15.2 自然语言处理...........................214
15.3 语音识别与合成..........................216
15.4 普适计算与人机交互.......................218
15.5 健康领域...........................220
15.6 其他应用.............................223
15.7 小结................................225
第16 章迁移学习前沿........................227
16.1 融合人类经验的迁移.......................227
16.2 迁移强化学习...........................228
16.3 迁移学可解释.......................228
16.4 迁移学习系统...........................229
附录A...................................231
A.1 常用度量准则...........................231
XV
迁移学习导论
A.2 迁移学习常用数据集........................235
A.3 本书相关资源...........................238
参考文献.................................241内容介绍 迁移学习作为机器学习和人工智能领域的重要方法，在计算机视觉、自然语言处理、语音识别等领域都得到了广泛的应用。本书的编写目的是帮助迁移学习及机器学习相关领域的初学者快速入门。全书主要分为背景与概念、方、扩展与探索及应用与展望四大部分。除此之外，本书还配有相关的代码、数据和论文资料，大限度地降低初学者的学习和使用门槛。本书适合对迁移学习感兴趣的读者阅读，也可以作为相关课程的配套教材。在线试读 媒体评论 《迁移学习导论》独辟蹊径，从初学者角度出发，以“讲课”的形式，归纳分析各类迁移学习方法，使读者能快速理解迁移学本质问题、抓住、举一反三、迅速入门。
《迁移学习导论》一大亮点是对“两头“的把握：
一是源头，抓问题和场景，做到“师出有名”，讲清楚针对什么问题、用在哪里；
二是笔头，抓代码与实践，做到“落地结果”，在实战中巩固和深化对技术的理解。
考虑多方位学需求，《迁移学习导论》配有实践代码、学习资料、相关笔记和文章，并持续更新。
零基础入门！一书入手，一步到位！


迁移学在利用已有的数据、模型和知识，通过领域相似和“举一反三”的联想能力，把学到的通用知识适配到新的领域、场景和任务上，它使机器学习拥有更强大的泛化能力。
本书作者和我的实验室合作，积累了丰富的科研经验，多年来辛勤地在大众媒体上普及迁移学相关知识。在本书中，他们保持了一贯的简明通透的写作风格，用贴近学生群体的语言，将迁移学发展历史、基础知识和进展娓娓道来。同时，本书配有用于实践的源码和数据集，增加了动手练环节，提高了趣味。作为耕耘在迁移学习这一人工智能领域的学者和业界迁移学习著作（《迁移学作者，这本书给有志于从事迁移学同学，更快地入门和学习！
——杨强 微众银行人工智能官、香港科技大学讲席教授，ACM/AAAI/IEEE Fellow
迁移学习是机器学一个重要研究分支，有广泛的应用价值。该书叙述简洁明了、内容丰富详实，对希望了解并应用迁移学读者很有帮助！
—— 周志华 南京大学教授，ACM/AAAI/IEEE Fellow
迁移学习对于训练模型的适应具有重要意义，受到很多学者的关注。这本书深入浅出、系统地介绍了主要的迁移学习方法，并结合多个领域的应用进行示例分析，为从事相关技术的研究人员提常有益的参考。
——陶建华博士 自动化研究所研究员，模式识别国家实验室副主任
迁移学核心思想中国早已有之，如《周易》云：“引而伸之，触类而长之，天下之能事毕矣也”。如今，迁移学习已成为人工智能的一项核心技术，在计算机视觉、自然语言语音处理、强化学习中得到了广泛的应用。本书语言简洁、内容丰富，相信可以启发读者举一反三、触类旁通，更好地解决手头的问题。
——秦涛博士 微软亚洲研究院研究经理，中国科技大学教授
迁移学习是机器学一个重要领域。在计算机视觉，自然语言处理，语音系统等领域有广泛的应用。
陈益强和王晋东两位老师通俗易懂地介绍了迁移学来龙去脉——不仅涵盖了基本的理论脉络、具体的方，还介绍了广泛的应用案例和未来的发展方向和前沿问题，为人工智能初学者提供了一份难得的、快速入门的学习和研究资料。
——汪军 伦敦大学学院计算机教授
迁移学习，借用了面向对象编程的概念（模型层面的继承）、是对已训练得到的机器学重用，能很大程度避免资源的重复消耗，是大模型民主化的重要途径之一。
本书详细介绍了迁移学概念和技术及前沿的预训练、知识蒸馏、元学习等研究方向，内容上可谓面面俱到。除此之外，本书的一大亮点，是对“两头”的把握：一是源头，抓问题和场景，做到“师出有名”，讲清楚针对什么问题、用在哪里；二是笔头，抓代码与实践，做到“落地结果”，在实战中巩固和深化对技术的理解。相信这本书能带给读者思考与实践的双重乐趣，在算力爆炸的时代反思机器学之道！
——陈光 北京邮电大学副教授，新浪微博@爱可可-爱生活
"《迁移学习导论》独辟蹊径，从初学者角度出发，以“讲课”的形式，归纳分析各类迁移学习方法，使读者能快速理解迁移学本质问题、抓住、举一反三、迅速入门。 《迁移学习导论》一大亮点是对“两头“的把握： 一是源头，抓问题和场景，做到“师出有名”，讲清楚针对什么问题、用在哪里； 二是笔头，抓代码与实践，做到“落地结果”，在实战中巩固和深化对技术的理解。 考虑多方位学需求，《迁移学习导论》配有实践代码、学习资料、相关笔记和近期新文章，并持续更新。 一书入手，一步到位！"