掃一掃
關(guān)注中圖網(wǎng)
官方微博
本類五星書(shū)更多>
-
>
闖進(jìn)數(shù)學(xué)世界――探秘歷史名題
-
>
中醫(yī)基礎(chǔ)理論
-
>
當(dāng)代中國(guó)政府與政治(新編21世紀(jì)公共管理系列教材)
-
>
高校軍事課教程
-
>
思想道德與法治(2021年版)
-
>
毛澤東思想和中國(guó)特色社會(huì)主義理論體系概論(2021年版)
-
>
中醫(yī)內(nèi)科學(xué)·全國(guó)中醫(yī)藥行業(yè)高等教育“十四五”規(guī)劃教材
中圖價(jià):¥44.4
加入購(gòu)物車
終身機(jī)器學(xué)習(xí) 版權(quán)信息
- ISBN：9787111632122
- 條形碼：9787111632122 ; 978-7-111-63212-2
- 裝幀：平裝-膠訂
- 冊(cè)數(shù)：暫無(wú)
- 重量：暫無(wú)
- 所屬分類：>>
終身機(jī)器學(xué)習(xí) 本書(shū)特色
本書(shū)介紹終身學(xué)習(xí)這種高級(jí)機(jī)器學(xué)習(xí)范式，這種范式通過(guò)積累過(guò)去的知識(shí)持續(xù)地學(xué)習(xí)，并將學(xué)到的知識(shí)用于幫助在未來(lái)進(jìn)行其他學(xué)習(xí)和解決問(wèn)題。相比之下，當(dāng)前主流的機(jī)器學(xué)習(xí)范式都是孤立學(xué)習(xí)，即給定一個(gè)訓(xùn)練數(shù)據(jù)集，之后在這個(gè)數(shù)據(jù)集上運(yùn)行機(jī)器學(xué)習(xí)算法以生成模型，然后再將該模型運(yùn)用于預(yù)期的應(yīng)用。這些范式不保留已經(jīng)學(xué)到的知識(shí)，也不將其運(yùn)用到后續(xù)的學(xué)習(xí)中。與孤立學(xué)習(xí)系統(tǒng)不同，人類只通過(guò)少量的樣例就能實(shí)現(xiàn)有效學(xué)習(xí)，這是因?yàn)槿祟惖膶W(xué)習(xí)是知識(shí)驅(qū)動(dòng)的，即只需少量的數(shù)據(jù)或付出，就能利用過(guò)去已經(jīng)學(xué)到的知識(shí)去學(xué)習(xí)新事物。終身學(xué)習(xí)的目標(biāo)就是模仿人類的這種學(xué)習(xí)能力，因?yàn)橐粋(gè)沒(méi)有持續(xù)學(xué)習(xí)能力的AI系統(tǒng)不能算作真正的智能。
自本書(shū)第1版出版以來(lái)，終身學(xué)習(xí)的研究在相對(duì)較短的時(shí)間內(nèi)取得了顯著的進(jìn)展。出版第2版是為了擴(kuò)展終身學(xué)習(xí)的定義，更新部分章節(jié)的內(nèi)容，并添加一個(gè)新的章節(jié)來(lái)介紹深度神經(jīng)網(wǎng)絡(luò)中持續(xù)學(xué)習(xí)的內(nèi)容，這部分內(nèi)容在過(guò)去的兩三年里一直被積極研究。部分章節(jié)的內(nèi)容也進(jìn)行了修改，使得內(nèi)容更有條理，方便讀者閱讀。此外，作者希望為這一研究領(lǐng)域提出一個(gè)統(tǒng)一的框架。目前，在機(jī)器學(xué)習(xí)中有幾個(gè)與終身學(xué)習(xí)密切相關(guān)的研究課題，特別是多任務(wù)學(xué)習(xí)、遷移學(xué)習(xí)以及元學(xué)習(xí)，因?yàn)樗鼈円膊捎昧酥R(shí)共享和知識(shí)遷移的思想。本書(shū)之所以集中介紹這些技術(shù)并討論其異同，目的是在介紹終身機(jī)器學(xué)習(xí)的同時(shí)，對(duì)該領(lǐng)域的重要研究成果和新想法進(jìn)行全面回顧。本書(shū)適用于對(duì)機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘、自然語(yǔ)言處理或模式識(shí)別感興趣的學(xué)生、研究人員和從業(yè)人員。
終身機(jī)器學(xué)習(xí) 內(nèi)容簡(jiǎn)介
本書(shū)介紹終身機(jī)器學(xué)習(xí)這種高級(jí)機(jī)器學(xué)習(xí)范式，該范式通過(guò)積累過(guò)去的知識(shí)持續(xù)地學(xué)習(xí)，并將所學(xué)到的知識(shí)用于幫助在未來(lái)進(jìn)行其他學(xué)習(xí)和解決問(wèn)題。本書(shū)適用于對(duì)機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘、自然語(yǔ)言處理或模式識(shí)別感興趣的學(xué)生、研究人員。
終身機(jī)器學(xué)習(xí) 目錄
譯者序
前 言
致 謝
第1章 引言11.1 傳統(tǒng)機(jī)器學(xué)習(xí)范式11.2 案例31.3 終身學(xué)習(xí)簡(jiǎn)史71.4 終身學(xué)習(xí)的定義91.5 知識(shí)類型和關(guān)鍵挑戰(zhàn)141.6 評(píng)估方法和大數(shù)據(jù)的角色171.7 本書(shū)大綱18
第2章 相關(guān)學(xué)習(xí)范式202.1 遷移學(xué)習(xí)202.1.1 結(jié)構(gòu)對(duì)應(yīng)學(xué)習(xí)212.1.2 樸素貝葉斯遷移分類器222.1.3 遷移學(xué)習(xí)中的深度學(xué)習(xí)232.1.4 遷移學(xué)習(xí)與終身學(xué)習(xí)的區(qū)別242.2 多任務(wù)學(xué)習(xí)252.2.1 多任務(wù)學(xué)習(xí)中的任務(wù)相關(guān)性252.2.2 GO-MTL：使用潛在基礎(chǔ)任務(wù)的多任務(wù)學(xué)習(xí)262.2.3 多任務(wù)學(xué)習(xí)中的深度學(xué)習(xí)282.2.4 多任務(wù)學(xué)習(xí)與終身學(xué)習(xí)的區(qū)別302.3 在線學(xué)習(xí)302.4 強(qiáng)化學(xué)習(xí)312.5 元學(xué)習(xí)322.6 小結(jié)34
第3章 終身監(jiān)督學(xué)習(xí)353.1 定義和概述363.2 基于記憶的終身學(xué)習(xí)373.2.1 兩個(gè)基于記憶的學(xué)習(xí)方法373.2.2 終身學(xué)習(xí)的新表達(dá)373.3 終身神經(jīng)網(wǎng)絡(luò)393.3.1 MTL網(wǎng)絡(luò)393.3.2 終身EBNN403.4 ELLA：高效終身學(xué)習(xí)算法413.4.1 問(wèn)題設(shè)定413.4.2 目標(biāo)函數(shù)423.4.3 解決**個(gè)低效問(wèn)題433.4.4 解決第二個(gè)低效問(wèn)題453.4.5 主動(dòng)的任務(wù)選擇463.5 終身樸素貝葉斯分類473.5.1 樸素貝葉斯文本分類473.5.2 LSC的基本思想493.5.3 LSC技術(shù)503.5.4 討論523.6 基于元學(xué)習(xí)的領(lǐng)域詞嵌入523.7 小結(jié)和評(píng)估數(shù)據(jù)集54
第4章 持續(xù)學(xué)習(xí)與災(zāi)難性遺忘564.1 災(zāi)難性遺忘564.2 神經(jīng)網(wǎng)絡(luò)中的持續(xù)學(xué)習(xí)584.3 無(wú)遺忘學(xué)習(xí)614.4 漸進(jìn)式神經(jīng)網(wǎng)絡(luò)624.5 彈性權(quán)重合并634.6 iCaRL：增量分類器與表示學(xué)習(xí)654.6.1 增量訓(xùn)練664.6.2 更新特征表示674.6.3 為新類構(gòu)建范例集684.6.4 在iCaRL中完成分類684.7 專家網(wǎng)關(guān)694.7.1 自動(dòng)編碼網(wǎng)關(guān)694.7.2 測(cè)量訓(xùn)練的任務(wù)相關(guān)性704.7.3 為測(cè)試選擇*相關(guān)的專家714.7.4 基于編碼器的終身學(xué)習(xí)714.8 生成式重放的持續(xù)學(xué)習(xí)724.8.1 生成式對(duì)抗網(wǎng)絡(luò)724.8.2 生成式重放734.9 評(píng)估災(zāi)難性遺忘744.10 小結(jié)和評(píng)估數(shù)據(jù)集75
第5章 開(kāi)放式學(xué)習(xí)795.1 問(wèn)題定義和應(yīng)用805.2 基于中心的相似空間學(xué)習(xí)815.2.1 逐步更新CBS學(xué)習(xí)模型825.2.2 測(cè)試CBS學(xué)習(xí)模型845.2.3 用于未知類檢測(cè)的CBS學(xué)習(xí)845.3 DOC：深度開(kāi)放式分類875.3.1 前饋層和一對(duì)其余層875.3.2 降低開(kāi)放空間風(fēng)險(xiǎn)895.3.3 DOC用于圖像分類905.3.4 發(fā)現(xiàn)未知類905.4 小結(jié)和評(píng)估數(shù)據(jù)集91
第6章 終身主題建模936.1 終身主題建模的主要思想936.2 LTM：終身主題模型976.2.1 LTM模型976.2.2 主題知識(shí)挖掘996.2.3 融合過(guò)去的知識(shí)1006.2.4 Gibbs采樣器的條件分布1026.3 AMC：少量數(shù)據(jù)的終身主題模型1026.3.1 AMC整體算法1036.3.2 挖掘must-link知識(shí)1046.3.3 挖掘cannot-link知識(shí)1076.3.4 擴(kuò)展的Pólya甕模型1086.3.5 Gibbs采樣器的采樣分布1106.4 小結(jié)和評(píng)估數(shù)據(jù)集112
第7章 終身信息提取1147.1 NELL：永不停止語(yǔ)言學(xué)習(xí)器1147.1.1 NELL結(jié)構(gòu)1177.1.2 NELL中的提取器與學(xué)習(xí)1187.1.3 NELL中的耦合約束1207.2 終身評(píng)價(jià)目標(biāo)提取1217.2.1 基于推薦的終身學(xué)習(xí)1227.2.2 AER算法1237.2.3 知識(shí)學(xué)習(xí)1247.2.4 使用過(guò)去知識(shí)推薦1257.3 在工作中學(xué)習(xí)1267.3.1 條件隨機(jī)場(chǎng)1277.3.2 一般依賴特征1287.3.3 L-CRF算法1307.4 Lifelong-RL：終身松弛標(biāo)記法1317.4.1 松弛標(biāo)記法1327.4.2 終身松弛標(biāo)記法1337.5 小結(jié)和評(píng)估數(shù)據(jù)集133
第8章 聊天機(jī)器人的持續(xù)知識(shí)學(xué)習(xí)1358.1 LiLi：終身交互學(xué)習(xí)與推理1368.2 LiLi的基本思想1398.3 LiLi的組件1418.4 運(yùn)行示例1428.5 小結(jié)和評(píng)估數(shù)據(jù)集142
第9章 終身強(qiáng)化學(xué)習(xí)1449.1 基于多環(huán)境的終身強(qiáng)化學(xué)習(xí)1469.2 層次貝葉斯終身強(qiáng)化學(xué)習(xí)1479.2.1 動(dòng)機(jī)1479.2.2 層次貝葉斯方法1489.2.3 MTRL算法1499.2.4 更新層次模型參數(shù)1509.2.5 對(duì)MDP進(jìn)行采樣1519.3 PG-ELLA：終身策略梯度強(qiáng)化學(xué)習(xí)1529.3.1 策略梯度強(qiáng)化學(xué)習(xí)1529.3.2 策略梯度終身學(xué)習(xí)設(shè)置1549.3.3 目標(biāo)函數(shù)和優(yōu)化1549.3.4 終身學(xué)習(xí)的安全策略搜索1569.3.5 跨領(lǐng)域終身強(qiáng)化學(xué)習(xí)1569.4 小結(jié)和評(píng)估數(shù)據(jù)集157
第10章 結(jié)論及未來(lái)方向159
參考文獻(xiàn)164
展開(kāi)全部
終身機(jī)器學(xué)習(xí) 作者簡(jiǎn)介
陳志源（ZhiyuanChen）在伊利諾伊大學(xué)芝加哥分校劉兵教授的指導(dǎo)下獲得博士學(xué)位，博士論文題目為“終身機(jī)器學(xué)習(xí)：主題建模與分類”。他于2016年加入谷歌公司。他的研究興趣包括機(jī)器學(xué)習(xí)、自然語(yǔ)言處理、文本挖掘、數(shù)據(jù)挖掘和競(jìng)價(jià)拍賣算法。他提出了幾種終身機(jī)器學(xué)習(xí)算法，實(shí)現(xiàn)了自動(dòng)從文本文檔中挖掘信息，并在KDD、ICML、ACL、WWW、IJCAI和AAAI等主要會(huì)議上發(fā)表了超過(guò)15篇長(zhǎng)篇研究論文。他還在IJCAI-2015、KDD-2016和EMNLP-2016上提供了三個(gè)關(guān)于終身機(jī)器學(xué)習(xí)的教程。他曾經(jīng)是許多著名的自然語(yǔ)言處理、數(shù)據(jù)挖掘、人工智能和互聯(lián)網(wǎng)研究會(huì)議的成員，并于2015年獲得伊利諾伊州技術(shù)基金會(huì)頒發(fā)的最有潛力50人獎(jiǎng)，以表彰他的學(xué)術(shù)貢獻(xiàn)。
陳志源（Zhiyuan
Chen）在伊利諾伊大學(xué)芝加哥分校劉兵教授的指導(dǎo)下獲得博士學(xué)位，博士論文題目為“終身機(jī)器學(xué)習(xí)：主題建模與分類”。他于2016年加入谷歌公司。他的研究興趣包括機(jī)器學(xué)習(xí)、自然語(yǔ)言處理、文本挖掘、數(shù)據(jù)挖掘和競(jìng)價(jià)拍賣算法。他提出了幾種終身機(jī)器學(xué)習(xí)算法，實(shí)現(xiàn)了自動(dòng)從文本文檔中挖掘信息，并在KDD、ICML、ACL、WWW、IJCAI和AAAI等主要會(huì)議上發(fā)表了超過(guò)15篇長(zhǎng)篇研究論文。他還在IJCAI-2015、KDD-2016和EMNLP-2016上提供了三個(gè)關(guān)于終身機(jī)器學(xué)習(xí)的教程。他曾經(jīng)是許多著名的自然語(yǔ)言處理、數(shù)據(jù)挖掘、人工智能和互聯(lián)網(wǎng)研究會(huì)議的成員，并于2015年獲得伊利諾伊州技術(shù)基金會(huì)頒發(fā)的最有潛力50人獎(jiǎng)，以表彰他的學(xué)術(shù)貢獻(xiàn)。
劉兵（Bing Liu）是伊利諾伊大學(xué)芝加哥分校的杰出教授，在愛(ài)丁堡大學(xué)獲得了博士學(xué)位。他的研究興趣包括終身學(xué)習(xí)、情感分析、數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)和自然語(yǔ)言處理，他在頂級(jí)會(huì)議和期刊上發(fā)表了大量論文，其中兩篇論文獲得了KDD 10年Test-of-Time獎(jiǎng)，一篇論文獲得WSDM 10年Test-of-Time獎(jiǎng)。他也是4本書(shū)的作者，其中2本關(guān)于情感分析，1本關(guān)于終身學(xué)習(xí)，1本關(guān)于數(shù)據(jù)挖掘。他的一些工作被媒體廣泛報(bào)道，包括《紐約時(shí)報(bào)》的頭版文章。他是2018 ACM SIGKDD創(chuàng)新獎(jiǎng)的獲得者，也是很多頂級(jí)數(shù)據(jù)挖掘會(huì)議（包括KDD、ICDM、CIKM、WSDM、SDM和PAKDD）的程序主席。他同時(shí)是包括TKDE、TWEB、DMKD和TKDD在內(nèi)的頂級(jí)期刊的副編輯，還是很多自然語(yǔ)言處理、人工智能、網(wǎng)絡(luò)和數(shù)據(jù)挖掘會(huì)議的領(lǐng)域主席或者高級(jí)程序委員會(huì)成員，并且曾經(jīng)是2013～2017年ACM SIGKDD的主席，是ACM、AAAI和IEEE會(huì)士。
書(shū)友推薦
- >
山海經(jīng)
- >
人文閱讀與收藏·良友文學(xué)叢書(shū):一天的工作
- >
中國(guó)歷史的瞬間
- >
巴金－再思錄
- >
有舍有得是人生
- >
二體千字文
- >
姑媽的寶刀
- >
名家?guī)阕x魯迅:故事新編
本類暢銷
