中图网文创礼盒,买2个减5元
欢迎光临中图网 请 | 注册
> >
开放环境下的度量学习研究

开放环境下的度量学习研究

作者:叶翰嘉
出版社:机械工业出版社出版时间:2023-01-01
开本: 32开 页数: 219
中 图 价:¥34.3(7.3折) 定价  ¥47.0 登录后可看到会员价
加入购物车 收藏
运费6元,满69元免运费
?快递不能达地区使用邮政小包,运费14元起
云南、广西、海南、新疆、青海、西藏六省,部分地区快递不可达
本类五星书更多>

开放环境下的度量学习研究 版权信息

  • ISBN:9787111713678
  • 条形码:9787111713678 ; 978-7-111-71367-8
  • 装帧:一般胶版纸
  • 册数:暂无
  • 重量:暂无
  • 所属分类:>

开放环境下的度量学习研究 内容简介

  《开放环境下的度量学习研究》以模型在开放环境下输入、输出层面上面临的挑战为切入点,提出针对或利用度量学习特性的具体算法,从理论和应用等多个角度使度量学习的研究能够契合开放的环境。  《开放环境下的度量学习研究》从理论上分析了度量学习的泛化能力,提出了降低样本复杂度的策略;提出了一种应用度量语义变换在小样本情况下应对特征变化的学习方法;提出了能够灵活挖掘并自适应利用开放环境中复杂语义的多度量学习框架;提出了一种利用分布扰动以适应输入特征和对象关系噪声的度量学习方法。  《开放环境下的度量学习研究》提出的理论和方法可以为度量学习相关领域的研究生或从业人员提供一些借鉴和帮助。  《开放环境下的度量学习研究》内容荣获2021年“CCF优秀博士学位论文奖”。  如何从数据中学习有效的度量是人工智能、机器学习的基础问题之一。度量学习技术在海量单语义标注样本的条件下取得了巨大成功,而获取标注需耗费人力物力,这使得仅具有少量标注样本、具有标注噪声且囊括多样化语义的“开放环境”度量学习备受关注。实践中基于少量标注样本的度量学习方法难以适配环境、任务的变化。如何提升度量学习的效率,增强度量学习对多样化语义的表示能力,提升度量学习对噪声的容忍度,使度量可以有效支撑开放环境下的机器学习应用成为重大挑战。  《开放环境下的度量学习研究》对度量学习在开放环境中所面临的挑战进行了总结,从理论层面分析了度量学习的泛化能力,提出了一种应用度量语义对异构模型特征进行变换、利用分布扰动以适应输入特征和对象关系噪声的学习框架,以及一种适用复杂语义的多度量学习方法。  《开放环境下的度量学习研究》对度量学习的研究与开放环境中度量学习的需求密切相关,进一步推进了度量学习方法在实际任务中的应用。

开放环境下的度量学习研究 目录

丛书序
推荐序Ⅰ
推荐序Ⅱ
导师序
摘要
ABSTRAC
插图索引
表格索引

第1章 绪论
1.1 引言
1.2 度量学习简介
1.3 开放环境的特点
1.4 开放环境的研究进展
1.5 本书概要

第2章 度量学习研究进展
2.1 监督学习
2.2 度量学习
2.2.1 距离度量
2.2.2 度量学习的学习目标
2.2.3 度量学习算法评测
2.3 度量学习的相关算法
2.3.1 全局度量学习方法
2.3.2 多度量学习方法
2.3.3 高效度量学习方法
2.4 开放环境下度量学习的研究思路

第3章 开放环境下度量学习的样本复杂度分析
3.1 引言
3.2 现有的度量学习理论结果
3.3 基于函数性质的度量学习样本复杂度改进
3.3.1 基本定义
3.3.2 主要结论及讨论
3.4 基于度量重用的度量学习样本复杂度改进
3.5 实验验证
3.6 本章小结
……

第4章 基于度量学习和语义映射的异构模型修正
第5章 多语义环境下的多度量学习方法探究
第6章 考虑噪声影响的开放环境鲁棒
第7章 总结与展望

参考文献
致谢
从书跋
展开全部

开放环境下的度量学习研究 作者简介

  叶翰嘉,现任南京大学人工智能学院副研究员,在南京大学机器学习与数据挖掘研究所(LAMDA)从事学术研究工作。主要研究方向包括表示学习、元学习、模型复用等,相关研究成果已经被用于开放环境系统、小样本系统等实际场景。在人工智能、机器学习领域以首作者身份发表学术论文20余篇:担任多个国内外学术期刊和会议的审稿人;曾获2021年度CCF优秀博士学位论文奖、江苏省计算机学会青年科技奖。

商品评论(0条)
暂无评论……
书友推荐
本类畅销
编辑推荐
返回顶部
中图网
在线客服