内容简介
本书首先从迁移学习采用的技术出发，系统地介绍每一类迁移学习算法，包括基于非负矩阵分解、概率模型、传统深度学习、对抗深度学习、模型融合以及图神经网络等的迁移学习算法。针对每一类算法，从问题定义、算法原理、算法流程等方面重点进行介绍。然后针对迁移学习的应用场景，介绍典型的应用案例。最后，介绍迁移学习在百度飞桨平台上的实践。本书旨在让迁移学习或者相关领域研究人员系统地掌握迁移学习的各类算法，熟悉各类应用场景，为迁移学习落地实践提供指导和帮助。
AI简介
这是一本专注于迁移学习算法的综合性研究书籍。该书首先从迁移学习的概念和意义出发，系统地介绍了每一类迁移学习算法，包括基于非负矩阵分解、概率模型、传统深度学习、对抗深度学习、模型融合以及图神经网络等的迁移学习算法。针对每一类算法，从问题定义、算法原理、算法流程等方面重点进行介绍。
书中详细阐述了多任务学习的定义和动机，解释了如何通过同时学习多个相关的机器学习任务，利用任务之间的相互联系，即兼顾任务间的相关性和任务间的差异性，来强化各个学习任务，从而增强每个任务的泛化能力。同时，书中也介绍了基于子空间聚类方法的多视图学习和基于完整空间方法的多视图学习，探讨了如何通过挖掘多个视图的互补信息，寻找潜在的表示，从而提高子空间表示的准确性和鲁棒性。
此外，书中还详细介绍了传统多任务学习方法，包括基于共享特征、共享样本及共享参数的多任务学习，并探讨了如何通过任务间的知识共享，为每个任务补充了高价值的训练信息，提升了各个任务的学习效果。同时，书中也介绍了生成对抗网络GAN，以及基于EM算法的朴素贝叶斯迁移方法等，为迁移学习提供了新的思路和方法。
在介绍完理论之后，书中还详细介绍了迁移学习在视频分
推荐影视
阅读/下载地址