8 (905) 200-03-37 Владивосток
с 09:00 до 19:00
CHN - 1.14 руб. Сайт - 17.98 руб.

Официальное пятно миграционного обучения Ян Цян Чжан Ю -Дай Вениуан Пан Джиалин 97871111661283

Цена: 1 700руб.    (¥94.52)
Артикул: 623591416357

Вес товара: ~0.7 кг. Указан усредненный вес, который может отличаться от фактического. Не включен в цену, оплачивается при получении.

Этот товар на Таобао Описание товара
Продавец:鑫达图书专营店
Рейтинг:
Всего отзывов:0
Положительных:0
Добавить в корзину
Другие товары этого продавца
¥35.8644руб.
¥33594руб.
¥ 69.8 46.8842руб.
¥ 79 55.91 006руб.

  Основная информация

наименование товара:

  миграционное обучение

делать   

   yang Qiang Zhang Yu Dai Wenyuan Pan Jialin

город  поле  цена:

   139,00 Юань

ISBN  номер:

  9787111661283

Дата публикации:

  2020-07

Страница  &Nbsp; номер:

  

Характер  &Nbsp; номер:

   328 тысяч слов

вне   Общество:

   Machinery Industry Press


 

  Оглавление

  Рекомендация
Переводчик
Предисловие
Основа обучения миграции в первой части
Глава 1 Введение/2
1.1 Искусственный интеллект, машинное обучение и миграционное обучение/2
1.2 Обучение миграции: определение/6
1.3 Отношения с существующими парадигмами машинного обучения/9
1.4 Основные исследования исследований миграционного обучения/11
1,5 Приложение для обучения миграции/11
1.5.1 Понимание изображения/11
1.5.2 Биологическая информатика и биологическая визуализация/12
1.5.3 Рекомендуемая система и совместная фильтрация/12
1.5.4 Автономное вождение робота и автомобиля/13
1.5.5 обработка естественного языка и добыча текста/13
1.6 Исторические заметки/14
1.7 об этой книге/15
Глава 2 Обучение миграции на основе образцов/19
2.1 Введение/19
2.2 Неиндуцированное миграционное обучение на основе образцов/20
2.2.1 Дифференциальные исходные данные и целевые данные/22
2.2.2 Среднее сопоставление ядра/23
2.2.3 Функциональная оценка/23
2.3 Обработка индуктивной миграции на основе образцов/24
2.3.1 Интегрированная потеря источника и потерю целевого значения/24
2.3.2 Метод повышения стиля/26
2.3.3 Метод генерации выборки/27
Глава 3 Характерное обучение миграции/29
3.1 Введение/29
3.2 Разница между доменом минимизации/30
3.2.1 Максимальные средние различия/30
3.2.2 Регуляризация на основе рассеивания Брегмана/34
3.2.3 Измерение конкретного предположения о распределении/34
3.2.4.
3.3 Изучение общих функций/36
3.3.1 Общий код обучения/36
3.3.2 Глубокие общие функции/37
3.4 Улучшение функции/38
Глава 4 Обучение миграции на основе модели/40
4.1 Введение/40
4.2 Migration Learning на основе композиции общей модели/42
4.2.1 Используйте миграционное обучение гауссовскому процессу/42
4.2.2 Используйте миграцию знаний байесовской модели/43
4.2.3 Миграция модели глубокой модели/44
4.2.4 Другие методы/45
4.3 миграция на основе регуляризации/45
4.3.1 Ретализация на основе машины поддержки вектор/46
4.3.2 Обучение миграции на основе многократного обучения/47
4.3.3 Метод конечности в глубиной модели/48
Глава 5 Отношения на основе миграции/52
5.1 Введение/52
5.2 Malcov Logic Network/54
5.3 Используйте миграционное обучение на основе отношений в сети Marcov/55
5.3.1 Неглубокая миграция первой логики/55
5.3.2 Глубокая миграция через логику второго порядка/57
5.3.3 Обучение через миграцию структурного соотношения/59
Глава 6 Изучение инопланетной миграции/61
6.1 Введение/61
6.2 Проблема обучения миграции инопланетян/63
6.3 Метод/63
6.3.1 Гетерогенное пространство функций/64
6.3.2 Гетерогенное пространство метки/78
6.4 Приложение/79
Глава 7 Фабрика миграционного обучения/82
7.1 Введение/82
7.2 Сгенерировать конфронтационную сеть/83
7.3 Используйте миграционное изучение моделей конфронтации/86
7.3.1 Сгенерировать данные целевого домена/87
7.3.2 через конфронтацию обучение для изучения домена неизменные функции/89
7.4 Обсуждение/91
Глава 8 Укрепление миграционного обучения/92
8.1 Введение/92
8.2 Фон/93
8.2.1 Подкрепление обучения/94
8.2.2 Укрепление миграционного обучения в учебных задачах/95
8.2.3 Обучение миграции при укреплении обучения/96
8.2.4 Миграция и укрепление классификации обучения/98
8.3 миграция между задачами/99
8.3.1 миграция на основе образцов/99
8.3.2 миграция на основе характера/100
8.3.3 миграция на основе модели/103
8.3.4 Решение&Ldquo; время миграции” вопрос/105
8.4 Доменная миграционная обучение/105
8.4.1 Миграция на основе образцов/106
8.4.2 -миграция на основе характера/107
8.4.3 Миграция на основе модели/108
Глава 9 Multi -Task Learning/109
9.1 Введение/109
9.2 Определение/111
9.3 Multi -Task Superision Learning/111
9.3.1.
9.3.2 Модельное много -на основе обучения Наблюдения за надзором/114
9.3.3 Multi -Task Supprision Learning на основе образцов/120
9.4 Multi -Task Offulsed Learning/120
9.5 Multi -Task Semi -Supervision Learning/120
9.6 Multi -Task Active Learning/121
9.7 Multi -Task Укрепление обучения/121
9.8 Multi -Task Online Learning/121
9.9 Multi -task Multi -View Learning/122
9.10 Параллельно и распределенное многооперационное обучение/122
Глава 10 Теория обучения миграции/123
10.1 Введение/123
10.2 Multi -Task Learning Panization Realm/124
10.3 Обобщение обучения миграции надзора/127
10.4 Без приспособления мира обобщения миграционного обучения/129
Глава 11 Проводящая миграционная обучение/131
11.1 Введение/131
11.2 Проводящее миграционное обучение на смешанной диаграмме/133
11.2.1 Определение проблемы/134
11.2.2 Алгоритм гибридной миграции/135
11.3.
11.3.1 Определение проблемы/137
11.3.2 Алгоритм декомпозиции трех -фактического разложения/138
11.4.
11.4.1 Определение проблемы/141
11.4.2 Выберите алгоритм обучения/142
Глава 12 Автоматическое обучение миграции: научиться автоматически мигрировать/146
12.1 Введение/146
12.2 L2T Framework/147
12.3 Параметризация“ что такое миграция”/148
12.3.1 Алгоритм, основанный на общественном скрытом пространстве/149
12.3.2 Алгоритм на основе потоковой интеграции/149
12.4 Учитесь на опыте/149
12.4.1 Различия между доменом исходной и целевой области/149
12.4.2. Способность суждения целевой области/151
12.4.3 Проблема оптимизации/151
12.5 Вывод“ что такое миграция”/151
12.6 Контакт с другими учебными парадигмами/152
12.6.1 миграционное обучение/152
12.6.2 Multi -Task Learning/153
12.6.3 Lifetime Machine Learning/153
12.6.4 Автомобильное машинное обучение/153
Глава 13 Образец образец обучения/155
13.1 Введение/155
13.2 нулевое образец обучения/156
13.2.1 Обзор/156
13.2.2 Алгоритм обучения нулевым образцом/157
13.3 Образец обучения/161
13.3.1 Обзор/161
13.3.2 Алгоритм обучения образца/161
13.4 Байесовское планирование и обучение/163
13.4.1 Обзор/163
13.4.2 Байесовское планирование и обучение для выявления индивидуальных ударов/163
13.5 Light Resource Learning/166
13.5.1 Обзор/166
13.5.2 машинный перевод/166
13.6 Обобщение домена/168
13.6.1 Обзор/168
13.6.2 отклонение SVM/169
13.6.3 Multi -Task Automatic Encoder/169
Глава 14 Lifetime Machine Learning/171
14.1 Введение/171
14.2 Lifetime Machine Learning: определение/172
14.3 Выполнить машинное обучение на протяжении всей жизни через неизменные знания/173
14.4 Lifetime Machine Learning в эмоциональной классификации/174
14.5 Общие компоненты модели для многоотражающего обучения/177
14.6 Бесконечное изучение языка/178
Применение миграционного обучения во второй части
Глава 15 Миграция защиты конфиденциальности/184
15.1 Введение/184
15.2 Дифференциальная конфиденциальность/185
15.2.1 Определение/185
15.2.2 Liggies с минимальным риском защиты конфиденциальности/186/186
15.3 Миграция защиты конфиденциальности/188
15.3.1 Настройки вопросов/188
15.3.2 Целевая продвижение/188
15.3.3 Multi -партийное обучение/191
15.3.4
Глава 16 Обучение миграции в компьютерном видении/194
16.1 Введение/194
16.2 Обзор/195
16.2.1 Модель обучения мелководной миграции/195
16.2.2 Модель обучения глубокой миграции/199
16.2.3 Обучение миграции для других визуальных задач/200
16.3 Обучение миграции для анализа медицинского изображения/201
16.3.1 Классификация медицинских изображений/201
16.3.2 Аномальное тест на медицинское изображение/203
16.3.3 Сегментация медицинского изображения/204
Глава 17 Обучение миграции в лечении естественного языка/205
17.1 Введение/205
17.2 Обучение миграции в NLP/205
17.2.1 Настройки вопросов/206
17.2.2 Параметры в приложениях NLP Инициализация/206
17.2.3 Multi -Tasking Learning в приложениях NLP/207
17.3 Обучение миграции в эмоциональном анализе/212
17.3.1 Определение проблемы и символ/214
17.3.2 Небольшая модель/214
17.3.3 Метод на основе глубокого обучения/217
Глава 18 Обучение миграции в системе диалога/226
18.1 Введение/226
18.2 Формирование определения проблем/228
18.3 Обучение миграции в устном понимании/228
18.3.1 Определение проблемы/229
18.3.2 Адаптация модели/229
18.3.3 миграция на основе образцов/229
18.3.4 Миграция параметров/230
18.4 Обучение миграции в статусе диалога/231
18.4.1. Отслеживание многоуровневого диалога на основе символов/231
18.4.2 Модель на основе мульти -доменного диалога отслеживание/231
18.5 Обучение миграции в стратегии диалога/232
18.5.1 Миграционная линейная модель для Q Learning/233
18.5.2 Процесс миграции Гаусс, Миграция для Q Learning/233
18.5.3 Миграция Байеса Совета Байеса Комитета по обучению/235
18.6 Обучение миграции в генерации естественного языка/236
18.6.1 Модель точная -Тун в генерации естественного языка/237
18.6.2 Обучение учебным планам в генерации естественного языка/237
18.6.3 Синтез выборки в генерации естественного языка/237
18.7 Обучение миграции в системе диалога/238
18.7.1 Полный параметр fine -tuning/239
18.7.2 Частичное разделение параметров/239
Глава 19 Рекомендуемое миграционное обучение/247
19.1 Введение/247
19.2 Что мигрировать в рекомендации/248
19.2.1 Рекомендуемый метод миграционного обучения на основе системы/248
19.2.2 Рекомендуемый метод миграционного обучения на основе системы/249
19.2.3 Метод миграционного обучения на основе модели в системе рекомендаций/251
19.3 Рекомендация новостей/252
19.3.1 Определение проблемы/253
19.3.2 Задача и решения/254
19.3.3 Решение: миграционное обучение на основе окрестностей/254
19.4 VIP -рекомендация в социальных сетях/255
19.4.1 Определение проблемы/256
19.4.2 Задача и решение/257
19.4.3 Решение: миграция на основе социальных отношений/258
Глава 20 Обучение миграции в биологической информации/260
20.1 Введение/260
20.2 Проблемы машинного обучения в биологической информатике/261
20.3 Анализ биологической последовательности/262
20.4 Анализ экспрессии генов и генетический анализ/265
20.5 Системная биология/266
20.6 Биомедицинский текст и майнинга изображений/268
20.7 Биологическая информатика на основе глубокого обучения/268
20.7.1 Глубокое отслеживание нерва/268
20.7.2 в обучении на миграции в биологической информатике/272
Глава 21 Обучение миграции в идентификации поведения/273
21.1 Введение/273
21.2 миграционное обучение для беспроводного позиционирования/273
21.2.1 Разреженные проблемы данных в зависимости от окружающей среды/274
21.2.2 Миграционное обучение на основе характера для позиционирования/276
21.2.3 Обучение миграции на основе образцов используется для позиционирования/278
21.2.4 Обучение миграции на основе моделей позиционирования/280
21.3 Обучение миграции для распознавания поведения/282
21.3.1 Фон/282
21.3.2 Настройки вопросов/284
21.3.3 миграция поперечных симптомов/285
21.3.4 миграция поперечного пространства/287
Глава 22 Обучение миграции в расчете/289
22.1 Введение/289
22.2 Городской расчет“ что такое миграция”/290
22.3 Основные вопросы миграционного обучения в городских расчетах/291
22.4 Рекомендация магазина цепи/292
22.4.1 Настройки вопросов/292
22.4.2 Модель CityTransfer/293
22,5 Прогноз качества воздуха/295
22.5.1 Настройки вопросов/295
22.5.2 Цветочная модель/296
Глава 23 Конец разговора/297
Ссылки/299
Сравнение между китайским и английским языком/341