《迁移学习导论》读书笔记思维导图.pptxVIP

《迁移学习导论》最新版读书笔记，下载可以直接修改思维导图PPT模板本书关键字分析思维导图学习方法迁移数据模型应用领域差异第章问题概念小结初学者深度背景机器部分法数据分布目录好评袭来内容简介0201写在前面致谢0304符号表术语表0605目录第二部分 方法与技术第一部分 背景与概念0807第三部分 扩展与探索第四部分 应用与展望09010目录参考文献附录A012011封底013内容摘要迁移学习作为机器学习和人工智能领域的重要方法，在计算机视觉、自然语言处理、语音识别等领域都得到了广泛的应用。本书的编写目的是帮助迁移学习及机器学习相关领域的初学者快速入门。全书主要分为背景与概念、方法与技术、扩展与探索及应用与展望四大部分。在这四大部分中，我们详尽介绍了迁移学习的背景、概念、方法和应用。除此之外，本书还配有相关的代码、数据和论文资料，最大限度地降低初学者的学习和使用门槛。本书适合对迁移学习感兴趣的读者阅读，也可以作为相关课程的配套教材。内容简介 当然啦，书名就是导论，当个入门吧，入门还可以。好评袭来迁移学习入门书籍，感谢??相当于一篇综述，系统化的了解了很多相关知识，也越来越懂迁移学习相关基础概念了，希望未来能尝试开始做相关的研究。写在前面致谢符号表术语表第一部分 背景与概念第一部分 背景与概念第2章 从机器学习到迁移学习第1章 绪论第3章 迁移学习基本问题第1章 绪论0204061.2 相关研究领域1.4 迁移学习的研究领域1.6 学术会议和工业界中的迁移学习011.1 迁移学习051.5 迁移学习的应用031.3 迁移学习的必要性第2章 从机器学习到迁移学习2.3 数据的概率分布32.1 机器学习及基本概念12.4 概念与符号42.2 结构风险最小化22.5 迁移学习的问题定义5第3章 迁移学习基本问题3.3 如何迁移33.1 何处迁移13.4 失败的迁移：负迁移43.2 何时迁移23.5 完整的迁移学习过程5第二部分 方法与技术第二部分 方法与技术第6章 统计特征变换迁移法第4章 迁移学习方法总览第5章 样本权重迁移法第7章 几何特征变换迁移法第二部分 方法与技术第10章 对抗迁移学习第8章 预训练方法第9章 深度迁移学习第11章 迁移学习热门研究问题第4章 迁移学习方法总览4.3 迁移学习统一表征34.1 迁移学习总体思路14.4 上手实践44.2 分布差异的度量24.5 迁移学习理论5第5章 样本权重迁移法5.3 基于权重自适应的方法35.1 问题定义15.4 上手实践45.2 基于样本选择的方法25.5 小结5第6章 统计特征变换迁移法6.3 度量学习法36.1 问题定义16.4 上手实践46.2 最大均值差异法26.5 小结5第7章 几何特征变换迁移法0204067.2 子空间变换法7.4 最优传输法7.6 小结017.1 问题定义057.5 上手实践037.3 流形学习法第8章 预训练方法8.3 预训练方法的有效性分析8.1 深度网络的可迁移性8.2 预训练–微调8.4 自适应的预训练方法第8章 预训练方法8.6 上手实践8.5 重新思考预训练模型的使用8.7 小结第9章 深度迁移学习9.3 数据分布自适应的深度迁移学习方法9.1 总体思路9.2 深度迁移学习的网络结构9.4 结构自适应的深度迁移学习方法第9章 深度迁移学习9.6 上手实践9.5 知识蒸馏9.7 小结第10章 对抗迁移学习10.3 数据分布自适应的对抗迁移方法10.1 生成对抗网络10.2 对抗迁移学习基本思路10.4 基于信息解耦的对抗迁移方法第10章 对抗迁移学习10.6 上手实践10.5 基于数据生成的对抗迁移方法10.7 小结第11章 迁移学习热门研究问题11.3 开放集迁移学习11.1 类别不均衡的迁移学习11.2 多源迁移学习11.4 时间序列的迁移学习第11章 迁移学习热门研究问题11.7 自动迁移学习11.5 联邦迁移学习11.6 基于因果关系的迁移学习11.8 在线迁移学习第三部分 扩展与探索第三部分 扩展与探索第13章 元学习第12章 领域泛化第14章 迁移学习模型选择第12章 领域泛化12.3 基于解耦的方法12.1 领域泛化问题12.2 基于数据分布自适应的方法12.4 基于集成模型的方法第12章 领域泛化12.6 基于元学习的方法12.5 基于数据生成的方法12.7 小结第13章 元学2 基于模型的元学习方法13.4 基于优化的元学习方法13.6 小结0113.1 元学习简介0513.5 元学习的应用与挑战0313.3 基于度量的元学习方法第14章 迁移学习模型选择14.3 迁移交叉验证14.1 模型选择14.2 基于密度估计的模型选择14.4 小结第四部分 应用与展望第四部分 应用与展望第15章 迁移学