中圖網小程序
一鍵登錄
更方便
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高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
開放環境下的度量學習研究 版權信息
- ISBN：9787111713678
- 條形碼：9787111713678 ; 978-7-111-71367-8
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
開放環境下的度量學習研究 內容簡介
《開放環境下的度量學習研究》以模型在開放環境下輸入、輸出層面上面臨的挑戰為切入點，提出針對或利用度量學習特性的具體算法，從理論和應用等多個角度使度量學習的研究能夠契合開放的環境。 《開放環境下的度量學習研究》從理論上分析了度量學習的泛化能力，提出了降低樣本復雜度的策略；提出了一種應用度量語義變換在小樣本情況下應對特征變化的學習方法；提出了能夠靈活挖掘并自適應利用開放環境中復雜語義的多度量學習框架；提出了一種利用分布擾動以適應輸入特征和對象關系噪聲的度量學習方法。 《開放環境下的度量學習研究》提出的理論和方法可以為度量學習相關領域的研究生或從業人員提供一些借鑒和幫助。 《開放環境下的度量學習研究》內容榮獲2021年“CCF優秀博士學位論文獎”。 如何從數據中學習有效的度量是人工智能、機器學習的基礎問題之一。度量學習技術在海量單語義標注樣本的條件下取得了巨大成功，而獲取標注需耗費人力物力，這使得僅具有少量標注樣本、具有標注噪聲且囊括多樣化語義的“開放環境”度量學習備受關注。實踐中基于少量標注樣本的度量學習方法難以適配環境、任務的變化。如何提升度量學習的效率，增強度量學習對多樣化語義的表示能力，提升度量學習對噪聲的容忍度，使度量可以有效支撐開放環境下的機器學習應用成為重大挑戰。 《開放環境下的度量學習研究》對度量學習在開放環境中所面臨的挑戰進行了總結，從理論層面分析了度量學習的泛化能力，提出了一種應用度量語義對異構模型特征進行變換、利用分布擾動以適應輸入特征和對象關系噪聲的學習框架，以及一種適用復雜語義的多度量學習方法。 《開放環境下的度量學習研究》對度量學習的研究與開放環境中度量學習的需求密切相關，進一步推進了度量學習方法在實際任務中的應用。
開放環境下的度量學習研究 目錄
叢書序
推薦序Ⅰ
推薦序Ⅱ
導師序
摘要
ABSTRAC
插圖索引
表格索引
第1章 緒論
1．1 引言
1．2 度量學習簡介
1．3 開放環境的特點
1．4 開放環境的研究進展
1．5 本書概要
第2章 度量學習研究進展
2．1 監督學習
2．2 度量學習
2．2．1 距離度量
2．2．2 度量學習的學習目標
2．2．3 度量學習算法評測
2．3 度量學習的相關算法
2．3．1 全局度量學習方法
2．3．2 多度量學習方法
2．3．3 高效度量學習方法
2．4 開放環境下度量學習的研究思路
第3章 開放環境下度量學習的樣本復雜度分析
3．1 引言
3．2 現有的度量學習理論結果
3．3 基于函數性質的度量學習樣本復雜度改進
3．3．1 基本定義
3．3．2 主要結論及討論
3．4 基于度量重用的度量學習樣本復雜度改進
3．5 實驗驗證
3．6 本章小結
……
第4章 基于度量學習和語義映射的異構模型修正
第5章 多語義環境下的多度量學習方法探究
第6章 考慮噪聲影響的開放環境魯棒
第7章 總結與展望
參考文獻
致謝
從書跋
推薦序Ⅰ
推薦序Ⅱ
導師序
摘要
ABSTRAC
插圖索引
表格索引
第1章 緒論
1．1 引言
1．2 度量學習簡介
1．3 開放環境的特點
1．4 開放環境的研究進展
1．5 本書概要
第2章 度量學習研究進展
2．1 監督學習
2．2 度量學習
2．2．1 距離度量
2．2．2 度量學習的學習目標
2．2．3 度量學習算法評測
2．3 度量學習的相關算法
2．3．1 全局度量學習方法
2．3．2 多度量學習方法
2．3．3 高效度量學習方法
2．4 開放環境下度量學習的研究思路
第3章 開放環境下度量學習的樣本復雜度分析
3．1 引言
3．2 現有的度量學習理論結果
3．3 基于函數性質的度量學習樣本復雜度改進
3．3．1 基本定義
3．3．2 主要結論及討論
3．4 基于度量重用的度量學習樣本復雜度改進
3．5 實驗驗證
3．6 本章小結
……
第4章 基于度量學習和語義映射的異構模型修正
第5章 多語義環境下的多度量學習方法探究
第6章 考慮噪聲影響的開放環境魯棒
第7章 總結與展望
參考文獻
致謝
從書跋
展開全部
開放環境下的度量學習研究 作者簡介
葉翰嘉，現任南京大學人工智能學院副研究員，在南京大學機器學習與數據挖掘研究所（LAMDA）從事學術研究工作。主要研究方向包括表示學習、元學習、模型復用等，相關研究成果已經被用于開放環境系統、小樣本系統等實際場景。在人工智能、機器學習領域以首作者身份發表學術論文20余篇：擔任多個國內外學術期刊和會議的審稿人；曾獲2021年度CCF優秀博士學位論文獎、江蘇省計算機學會青年科技獎。
書友推薦
- >
龍榆生：詞曲概論/大家小書
- >
二體千字文
- >
名家帶你讀魯迅:故事新編
- >
苦雨齋序跋文-周作人自編集
- >
回憶愛瑪儂
- >
【精裝繪本】畫給孩子的中國神話
- >
小考拉的故事-套裝共3冊
- >
朝聞道
本類暢銷
