开放环境下的度量学习研究
全新正版 极速发货
￥ 23.98 5.1折 ￥ 47 全新
库存2件
广东广州
认证卖家担保交易快速发货售后保障
作者叶翰嘉
出版社机械工业出版社
ISBN9787111713678
出版时间2023-01
装帧平装
开本32开
定价47元
货号1202779936
上书时间2024-09-04
商品详情
- 品相描述：全新
- 商品描述
-
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
内容摘要
本书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。
本书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。
本书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。
主编推荐
◆中国计算机领域具有重要突破或重要创新的博士研究生科研成果
◆2021年度CCF优秀博士学位论文奖
◆理论、方法、框架多角度推动开放环境中的度量学习研究
◆涵盖众多基本理论问题和扩展性应用
◆具有前沿性和系统性的开放环境下度量学习及应用研究
精彩内容
《开放环境下的度量学习研究》由南京大学人工智能学院副研究员叶翰嘉撰写，内容荣获2021年度CCF优秀博士学位论文奖。全书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》共七章： 第1章 绪论，主要介绍了度量学习、开放环境的特点、开放环境的研究进展以及全书的概要。 第2章 度量学习研究进展，首先介绍了监督学习和度量学习；然后讲解了三种度量学习的相关算法，包括全局度量学习方法、多度量学习方法、高效度量学习方法；*后介绍了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，首先展示了现有的度量学习理论结果，然后提出了基于函数性质的度量学习样本复杂度的改进方案，以及基于度量重用的度量学习样本复杂度的改进方案。 第4章 基于度量学习和语义映射的异构模型修正，首先介绍了相关工作；其次介绍了基于度量语义映射的模型重用框架REFORM；然后介绍了实现模型重用框架REFORM的具体方法，包括自适应尺度的REFORM实现方法、学习变换的REFORM实现方法；*后展示了用于验证的实验流程和结果。 第5章 多语义环境下的多度量学习方法探究，首先介绍了多度量学习方法的相关工作；其次介绍了考虑多语义的多度量学习方法；然后介绍了多度量自适应选择框架；*后展示了用于验证的实验流程和结果。 第6章 考虑噪声影响的开放环境鲁棒度量学习，首先介绍了相关工作；然后介绍了考虑样本扰动的鲁棒度量学习DRIFT；*后展示了用于验证的实验流程和结果。 第7章 总结与展望，总结了全书的研究内容，并对未来的研究方向和研究工作做出了展望。
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价