扫一扫
关注中图网
官方微博
本类五星书更多>
-
>
中医基础理论
-
>
高校军事课教程
-
>
思想道德与法治(2021年版)
-
>
毛泽东思想和中国特色社会主义理论体系概论(2021年版)
-
>
中医内科学·全国中医药行业高等教育“十四五”规划教材
-
>
中医诊断学--新世纪第五版
-
>
中药学·全国中医药行业高等教育“十四五”规划教材
买过本商品的人还买了
终身机器学习 版权信息
- ISBN：9787111632122
- 条形码：9787111632122 ; 978-7-111-63212-2
- 装帧：平装-胶订
- 册数：暂无
- 重量：暂无
- 所属分类：>>
终身机器学习 本书特色
本书介绍终身学习这种高级机器学习范式，这种范式通过积累过去的知识持续地学习，并将学到的知识用于帮助在未来进行其他学习和解决问题。相比之下，当前主流的机器学习范式都是孤立学习，即给定一个训练数据集，之后在这个数据集上运行机器学习算法以生成模型，然后再将该模型运用于预期的应用。这些范式不保留已经学到的知识，也不将其运用到后续的学习中。与孤立学习系统不同，人类只通过少量的样例就能实现有效学习，这是因为人类的学习是知识驱动的，即只需少量的数据或付出，就能利用过去已经学到的知识去学习新事物。终身学习的目标就是模仿人类的这种学习能力，因为一个没有持续学习能力的AI系统不能算作真正的智能。
自本书第1版出版以来，终身学习的研究在相对较短的时间内取得了显著的进展。出版第2版是为了扩展终身学习的定义，更新部分章节的内容，并添加一个新的章节来介绍深度神经网络中持续学习的内容，这部分内容在过去的两三年里一直被积极研究。部分章节的内容也进行了修改，使得内容更有条理，方便读者阅读。此外，作者希望为这一研究领域提出一个统一的框架。目前，在机器学习中有几个与终身学习密切相关的研究课题，特别是多任务学习、迁移学习以及元学习，因为它们也采用了知识共享和知识迁移的思想。本书之所以集中介绍这些技术并讨论其异同，目的是在介绍终身机器学习的同时，对该领域的重要研究成果和新想法进行全面回顾。本书适用于对机器学习、数据挖掘、自然语言处理或模式识别感兴趣的学生、研究人员和从业人员。
终身机器学习 内容简介
本书介绍终身机器学习这种高级机器学习范式，该范式通过积累过去的知识持续地学习，并将所学到的知识用于帮助在未来进行其他学习和解决问题。本书适用于对机器学习、数据挖掘、自然语言处理或模式识别感兴趣的学生、研究人员。
终身机器学习 目录
译者序
前 言
致 谢
第1章 引言11.1 传统机器学习范式11.2 案例31.3 终身学习简史71.4 终身学习的定义91.5 知识类型和关键挑战141.6 评估方法和大数据的角色171.7 本书大纲18
第2章 相关学习范式202.1 迁移学习202.1.1 结构对应学习212.1.2 朴素贝叶斯迁移分类器222.1.3 迁移学习中的深度学习232.1.4 迁移学习与终身学习的区别242.2 多任务学习252.2.1 多任务学习中的任务相关性252.2.2 GO-MTL：使用潜在基础任务的多任务学习262.2.3 多任务学习中的深度学习282.2.4 多任务学习与终身学习的区别302.3 在线学习302.4 强化学习312.5 元学习322.6 小结34
第3章 终身监督学习353.1 定义和概述363.2 基于记忆的终身学习373.2.1 两个基于记忆的学习方法373.2.2 终身学习的新表达373.3 终身神经网络393.3.1 MTL网络393.3.2 终身EBNN403.4 ELLA：高效终身学习算法413.4.1 问题设定413.4.2 目标函数423.4.3 解决**个低效问题433.4.4 解决第二个低效问题453.4.5 主动的任务选择463.5 终身朴素贝叶斯分类473.5.1 朴素贝叶斯文本分类473.5.2 LSC的基本思想493.5.3 LSC技术503.5.4 讨论523.6 基于元学习的领域词嵌入523.7 小结和评估数据集54
第4章 持续学习与灾难性遗忘564.1 灾难性遗忘564.2 神经网络中的持续学习584.3 无遗忘学习614.4 渐进式神经网络624.5 弹性权重合并634.6 iCaRL：增量分类器与表示学习654.6.1 增量训练664.6.2 更新特征表示674.6.3 为新类构建范例集684.6.4 在iCaRL中完成分类684.7 专家网关694.7.1 自动编码网关694.7.2 测量训练的任务相关性704.7.3 为测试选择*相关的专家714.7.4 基于编码器的终身学习714.8 生成式重放的持续学习724.8.1 生成式对抗网络724.8.2 生成式重放734.9 评估灾难性遗忘744.10 小结和评估数据集75
第5章 开放式学习795.1 问题定义和应用805.2 基于中心的相似空间学习815.2.1 逐步更新CBS学习模型825.2.2 测试CBS学习模型845.2.3 用于未知类检测的CBS学习845.3 DOC：深度开放式分类875.3.1 前馈层和一对其余层875.3.2 降低开放空间风险895.3.3 DOC用于图像分类905.3.4 发现未知类905.4 小结和评估数据集91
第6章 终身主题建模936.1 终身主题建模的主要思想936.2 LTM：终身主题模型976.2.1 LTM模型976.2.2 主题知识挖掘996.2.3 融合过去的知识1006.2.4 Gibbs采样器的条件分布1026.3 AMC：少量数据的终身主题模型1026.3.1 AMC整体算法1036.3.2 挖掘must-link知识1046.3.3 挖掘cannot-link知识1076.3.4 扩展的Pólya瓮模型1086.3.5 Gibbs采样器的采样分布1106.4 小结和评估数据集112
第7章 终身信息提取1147.1 NELL：永不停止语言学习器1147.1.1 NELL结构1177.1.2 NELL中的提取器与学习1187.1.3 NELL中的耦合约束1207.2 终身评价目标提取1217.2.1 基于推荐的终身学习1227.2.2 AER算法1237.2.3 知识学习1247.2.4 使用过去知识推荐1257.3 在工作中学习1267.3.1 条件随机场1277.3.2 一般依赖特征1287.3.3 L-CRF算法1307.4 Lifelong-RL：终身松弛标记法1317.4.1 松弛标记法1327.4.2 终身松弛标记法1337.5 小结和评估数据集133
第8章 聊天机器人的持续知识学习1358.1 LiLi：终身交互学习与推理1368.2 LiLi的基本思想1398.3 LiLi的组件1418.4 运行示例1428.5 小结和评估数据集142
第9章 终身强化学习1449.1 基于多环境的终身强化学习1469.2 层次贝叶斯终身强化学习1479.2.1 动机1479.2.2 层次贝叶斯方法1489.2.3 MTRL算法1499.2.4 更新层次模型参数1509.2.5 对MDP进行采样1519.3 PG-ELLA：终身策略梯度强化学习1529.3.1 策略梯度强化学习1529.3.2 策略梯度终身学习设置1549.3.3 目标函数和优化1549.3.4 终身学习的安全策略搜索1569.3.5 跨领域终身强化学习1569.4 小结和评估数据集157
第10章 结论及未来方向159
参考文献164
展开全部
终身机器学习 作者简介
陈志源（ZhiyuanChen）在伊利诺伊大学芝加哥分校刘兵教授的指导下获得博士学位，博士论文题目为“终身机器学习：主题建模与分类”。他于2016年加入谷歌公司。他的研究兴趣包括机器学习、自然语言处理、文本挖掘、数据挖掘和竞价拍卖算法。他提出了几种终身机器学习算法，实现了自动从文本文档中挖掘信息，并在KDD、ICML、ACL、WWW、IJCAI和AAAI等主要会议上发表了超过15篇长篇研究论文。他还在IJCAI-2015、KDD-2016和EMNLP-2016上提供了三个关于终身机器学习的教程。他曾经是许多著名的自然语言处理、数据挖掘、人工智能和互联网研究会议的成员，并于2015年获得伊利诺伊州技术基金会颁发的最有潜力50人奖，以表彰他的学术贡献。
陈志源（Zhiyuan
Chen）在伊利诺伊大学芝加哥分校刘兵教授的指导下获得博士学位，博士论文题目为“终身机器学习：主题建模与分类”。他于2016年加入谷歌公司。他的研究兴趣包括机器学习、自然语言处理、文本挖掘、数据挖掘和竞价拍卖算法。他提出了几种终身机器学习算法，实现了自动从文本文档中挖掘信息，并在KDD、ICML、ACL、WWW、IJCAI和AAAI等主要会议上发表了超过15篇长篇研究论文。他还在IJCAI-2015、KDD-2016和EMNLP-2016上提供了三个关于终身机器学习的教程。他曾经是许多著名的自然语言处理、数据挖掘、人工智能和互联网研究会议的成员，并于2015年获得伊利诺伊州技术基金会颁发的最有潜力50人奖，以表彰他的学术贡献。
刘兵（Bing Liu）是伊利诺伊大学芝加哥分校的杰出教授，在爱丁堡大学获得了博士学位。他的研究兴趣包括终身学习、情感分析、数据挖掘、机器学习和自然语言处理，他在顶级会议和期刊上发表了大量论文，其中两篇论文获得了KDD 10年Test-of-Time奖，一篇论文获得WSDM 10年Test-of-Time奖。他也是4本书的作者，其中2本关于情感分析，1本关于终身学习，1本关于数据挖掘。他的一些工作被媒体广泛报道，包括《纽约时报》的头版文章。他是2018 ACM SIGKDD创新奖的获得者，也是很多顶级数据挖掘会议（包括KDD、ICDM、CIKM、WSDM、SDM和PAKDD）的程序主席。他同时是包括TKDE、TWEB、DMKD和TKDD在内的顶级期刊的副编辑，还是很多自然语言处理、人工智能、网络和数据挖掘会议的领域主席或者高级程序委员会成员，并且曾经是2013～2017年ACM SIGKDD的主席，是ACM、AAAI和IEEE会士。
书友推荐
- >
名家带你读鲁迅:故事新编
名家带你读鲁迅:故事新编
¥13.0¥26.0 - >
企鹅口袋书系列·伟大的思想20:论自然选择(英汉双语)
企鹅口袋书系列·伟大的思想20:论自然选择(英汉双语)
¥9.7¥14.0 - >
月亮虎
月亮虎
¥20.2¥48.0 - >
山海经
山海经
¥20.4¥68.0 - >
莉莉和章鱼
莉莉和章鱼
¥19.7¥42.0 - >
二体千字文
二体千字文
¥21.6¥40.0 - >
经典常谈
经典常谈
¥16.3¥39.8 - >
诗经-先民的歌唱
诗经-先民的歌唱
¥18.7¥39.8
本类畅销
-
食品添加剂
¥33.5¥45 -
VB语言程序设计
¥29.9¥39.8 -
C语言程序设计习题与实验指导
¥9.1¥18 -
地下建筑结构-(第三版)-(赠课件)
¥49.4¥55 -
模具制图
¥37.8¥49 -
工程机械结构认知
¥10.5¥22
