掃一掃
關(guān)注中圖網(wǎng)
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應(yīng)用
-
>
決戰(zhàn)行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調(diào)優(yōu)實踐之路
-
>
第一行代碼Android
-
>
JAVA持續(xù)交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學(xué)習(xí)
對偶學(xué)習(xí) 版權(quán)信息
- ISBN：9787111707196
- 條形碼：9787111707196 ; 978-7-111-70719-6
- 裝幀：一般膠版紙
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>
對偶學(xué)習(xí) 本書特色
適讀人群 ：任何對對偶學(xué)習(xí)及相關(guān)機器學(xué)習(xí)領(lǐng)域感興趣的讀者許多人工智能（和機器學(xué)習(xí)）任務(wù)具有對偶形式，例如，英語到漢語的翻譯和漢語到英語的翻譯、語音識別和語音合成、問題回答和問題生成、圖像分類和圖像生成。對偶學(xué)習(xí)是一種新的學(xué)習(xí)框架，它利用人工智能任務(wù)的原始-對偶結(jié)構(gòu)獲取有效的反饋或者正則信號來加強學(xué)習(xí)/推斷過程。對偶學(xué)習(xí)的概念在幾年前就被提出，它已經(jīng)在多個領(lǐng)域引起了關(guān)注并且在多個任務(wù)——例如機器翻譯、圖像翻譯、語音合成和語音識別、（視覺）問題回答和問題生成、圖像描述和圖像生成、代碼摘要和代碼生成——上驗證了有效性。
對偶學(xué)習(xí) 內(nèi)容簡介
本書系統(tǒng)全面地闡述了對偶學(xué)習(xí), 可以讓相關(guān)研究人員和從業(yè)者更好地了解該領(lǐng)域的前沿技術(shù)。全書分為五部分。**部分簡要介紹機器學(xué)習(xí)和深度學(xué)習(xí)的基礎(chǔ)知識。第二部分以機器翻譯、圖像翻譯、語音處理及其他自然語言處理/計算機視覺任務(wù)為例, 詳細介紹了基于對偶重構(gòu)準則的算法。第三部分介紹基于概率準則的若干研究, 包括基于聯(lián)合概率準則的對偶有監(jiān)督學(xué)習(xí)和對偶推斷, 以及基于邊緣概率準則的對偶半監(jiān)督學(xué)習(xí)。第四部分從理論角度解讀了對偶學(xué)習(xí), 并且討論了和其他學(xué)習(xí)范式的關(guān)聯(lián)。第五部分總結(jié)全書內(nèi)容并給出若干未來研究方向。
對偶學(xué)習(xí) 目錄
譯者序
前言
致謝
第 1 章 緒論 1
1.1 引言 1
1.2 人工智能任務(wù)中的結(jié)構(gòu)對偶性 3
1.3 對偶學(xué)習(xí)的劃分 4
1.3.1 依照使用數(shù)據(jù)劃分 4
1.3.2 依照對偶信號構(gòu)造準則劃分 4
1.4 全書總覽 5
參考文獻 6
第 2 章 機器學(xué)習(xí)基礎(chǔ) 10
2.1 機器學(xué)習(xí)范式 10
2.1.1 有監(jiān)督學(xué)習(xí) 11
2.1.2 無監(jiān)督學(xué)習(xí) 12
2.1.3 強化學(xué)習(xí) 13
2.1.4 其他學(xué)習(xí)范式 14
2.2 機器學(xué)習(xí)算法核心組成部分 14
2.3 泛化和正則化 16
2.4 搭建機器學(xué)習(xí)模型 17
2.4.1 數(shù)據(jù)收集和特征工程 18
2.4.2 算法選擇、模型訓(xùn)練、超參數(shù)調(diào)優(yōu) 18
參考文獻 19
第 3 章 深度學(xué)習(xí)基礎(chǔ) 24
3.1 神經(jīng)網(wǎng)絡(luò) 24
3.2 卷積神經(jīng)網(wǎng)絡(luò) 27
3.3 序列建模 29
3.3.1 遞歸神經(jīng)網(wǎng)絡(luò)及其變種 30
3.3.2 編碼器解碼器架構(gòu) 31
3.3.3 Transformer 網(wǎng)絡(luò) 34
3.4 深度模型訓(xùn)練 36
3.4.1 隨機梯度下降法 37
3.4.2 正則化 38
3.5 為什么選擇深度神經(jīng)網(wǎng)絡(luò) 39
參考文獻 41
第 4 章 對偶學(xué)習(xí)在機器翻譯中的應(yīng)用及拓展 48
4.1 機器翻譯簡介 48
4.1.1 神經(jīng)機器翻譯 49
4.1.2 回譯技術(shù) 50
4.2 對偶重構(gòu)準則 51
4.3 對偶半監(jiān)督學(xué)習(xí) 52
4.4 對偶無監(jiān)督學(xué)習(xí) 56
4.4.1 基本思想 56
4.4.2 系統(tǒng)架構(gòu)和訓(xùn)練算法 57
4.5 多智能體對偶學(xué)習(xí) 60
4.5.1 模型架構(gòu) 61
4.5.2 拓展和比較 62
4.5.3 多智能體對偶機器翻譯 63
4.6 拓展 65
4.6.1 語義解析 65
4.6.2 文本風(fēng)格遷移 66
4.6.3 對話 67
參考文獻 68
第 5 章 對偶學(xué)習(xí)在圖像翻譯中的應(yīng)用及拓展 72
5.1 簡介 72
5.2 無監(jiān)督圖像翻譯的基本思想 74
5.3 圖像翻譯 75
5.3.1 DualGAN 75
5.3.2 CycleGAN 77
5.3.3 DiscoGAN 80
5.4 細粒度圖像翻譯 80
5.4.1 細粒度圖像翻譯中的問題 81
5.4.2 條件 DualGAN 82
5.4.3 討論 84
5.5 具有多路徑一致性的多域圖像翻譯 84
5.6 拓展 86
5.6.1 人臉相關(guān)任務(wù) 86
5.6.2 視覺語言任務(wù) 87
5.6.3 其他圖像相關(guān)任務(wù) 88
參考文獻 88
第 6 章 對偶學(xué)習(xí)在語音處理中的應(yīng)用及拓展 93
6.1 神經(jīng)語音合成和識別 93
6.2 語音鏈的對偶學(xué)習(xí) 94
6.3 低資源語音處理的對偶學(xué)習(xí) 97
6.3.1 使用雙向序列建模的去噪自編碼 97
6.3.2 使用雙向序列建模的對偶重構(gòu) 99
6.3.3 模型訓(xùn)練 100
6.4 極低資源語音處理的對偶學(xué)習(xí) 101
6.4.1 預(yù)訓(xùn)練和微調(diào) 103
6.4.2 對偶重構(gòu) 103
6.4.3 知識蒸餾 104
6.4.4 LRSpeech 的性能 105
6.5 非母語語音識別的對偶學(xué)習(xí) 106
6.5.1 非母語語音識別的難點 106
6.5.2 基于對偶重構(gòu)準則的方法 106
6.6 拓展 108
參考文獻 109
第 7 章 對偶有監(jiān)督學(xué)習(xí) 114
7.1 聯(lián)合概率準則 114
7.2 對偶有監(jiān)督學(xué)習(xí)算法 115
7.3 應(yīng)用 117
7.3.1 神經(jīng)機器翻譯 117
7.3.2 圖像分類和生成 118
7.3.3 情感分析 119
7.3.4 問題回答和問題生成 120
7.3.5 代碼摘要和代碼生成 121
7.3.6 自然語言理解和生成 125
7.4 理論分析 126
參考文獻 127
第 8 章 對偶推斷 131
8.1 基本架構(gòu) 131
8.2 應(yīng)用 133
8.3 理論分析 134
參考文獻 136
第 9 章 基于邊緣概率的對偶半監(jiān)督學(xué)習(xí) 138
9.1 邊緣概率的高效估計 138
9.2 以邊緣概率為約束 140
9.3 無標數(shù)據(jù)的似然*大化 141
9.4 討論 143
參考文獻 144
第 10 章 對偶重構(gòu)的理論解讀 148
10.1 概述 148
10.2 對偶重構(gòu)準則在無監(jiān)督學(xué)習(xí)中的解讀 149
10.2.1 對偶無監(jiān)督映射的建模 149
10.2.2 存在的問題和簡單性假設(shè) 151
10.2.3 *小復(fù)雜度 152
10.3 對偶重構(gòu)準則在半監(jiān)督學(xué)習(xí)中的解讀 154
10.3.1 算法和符號說明 155
10.3.2 雙語翻譯 156
10.3.3 多域?qū)ε紝W(xué)習(xí) 160
參考文獻 161
第 11 章 對偶學(xué)習(xí)和其他學(xué)習(xí)范式的聯(lián)系 164
11.1 對偶半監(jiān)督學(xué)習(xí)和協(xié)同訓(xùn)練 164
11.2 對偶學(xué)習(xí)和多任務(wù)學(xué)習(xí) 166
11.3 對偶學(xué)習(xí)、GAN 和自編碼器 166
11.4 對偶有監(jiān)督學(xué)習(xí)和貝葉斯陰陽學(xué)習(xí) 167
11.5 對偶重構(gòu)及相關(guān)概念 168
參考文獻 169
第 12 章 總結(jié)和展望 174
12.1 總結(jié) 174
12.2 未來研究方向 175
12.2.1 更多的學(xué)習(xí)環(huán)境和應(yīng)用 175
12.2.2 提升訓(xùn)練效率 177
12.2.3 理論研究 178
參考文獻 178
展開全部
對偶學(xué)習(xí) 作者簡介
秦濤 微軟亞洲研究院首席研究員、深度學(xué)習(xí)和強化學(xué)習(xí)組負責(zé)人，IEEE、 ACM高級會員，中國科學(xué)技術(shù)大學(xué)客座教授，研究方向包括深度學(xué)習(xí)及其在自然語言、語音、圖像處理和藥物研發(fā)中的應(yīng)用，強化學(xué)習(xí)及其在游戲AI和實際問題中的應(yīng)用，博弈論與多智能體系統(tǒng)及其在云計算和在線廣告中的應(yīng)用，信息檢索以及計算廣告。他的團隊提出的對偶學(xué)習(xí)及其他技術(shù)幫助微軟于2018年在中英新聞翻譯任務(wù)上達到了人類專家的水平，獲得WMT 2019國際機器翻譯大賽8項冠軍，并集成到了微軟翻譯系統(tǒng)中。2019年，他和團隊設(shè)計了當(dāng)時最為高效的語音合成模型FastSpeech，該模型支撐了微軟云Azure上的所有語音（涵蓋100多種語言和270多種語音）合成服務(wù)。同年，研發(fā)了麻將AI Suphx，在“天鳳”平臺榮升十段，安定段位8.7，顯著超越人類頂級選手。
書友推薦
- >
李白與唐代文化
- >
中國人在烏蘇里邊疆區(qū):歷史與人類學(xué)概述
- >
月亮虎
- >
經(jīng)典常談
- >
詩經(jīng)-先民的歌唱
- >
名家?guī)阕x魯迅:故事新編
- >
自卑與超越
- >
唐代進士錄
本類暢銷
