迁移学习导论(第2版)

"《迁移学习导论（第2版）》独辟蹊径，从读者学习的角度出发，以“讲课”的形式，归纳分析各类迁移学习方法，使读者能快速理解迁移学习的本质问题、抓住重点、举一反三、迅速入门。 《迁移学习导论（第2版）》一大亮点是对“两头“的把握： 一是源头，抓问题和场景，做到“师出有名”，讲清楚针对什么问题、用在哪里； 二是笔头，抓代码与实践，做到“落地结果”，在实战中巩固和深化对技术的理解。 考虑多方位学习的需求，《迁移学习导论》配有实践代码、学习资料、相关笔记和近期新文章，并持续更新。 一书入手，一步到位！"

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“迁移学习基础”“现代迁移学习”和“迁移学习的应用与实践”三大部分，同时配有相关的代码、数据和论文资料，以优选限度地降低初学者的学习和使用门槛。本书与前一版的主要区别在于新增了对迁移学习前沿关键主题的探讨，以及更多的应用实践内容。本书适合对迁移学习感兴趣的读者阅读，也可作为相关课程的配套教材。

"王晋东 微软亚洲研究院研究员，博士毕业于中国科学院计算技术研究所，主要从事迁移学习、机器学习和深度学习方面的研究。 研究成果发表在IEEE TKDE、IEEE TNNLS、NeurIPS、CVPR、IJCAI、IMWUT等很好期刊和会议；获得国家奖学金、中国科学院优秀博士论文奖、IJCAI联邦学习研讨会很好应用论文奖等。担任国际会议IJCAI 2019的宣传主席，担任TPAMI、TKDE、ICML、NeurIPS、ICLR等的审稿人或程序委员会委员。 热心知识分享，领导维护着GitHub上广受欢迎的迁移学习开源库，获得超过1万星标；在知乎的博客文章浏览次数逾1000万次，帮助众多学术界和工业界人士快速入门迁移学习。 陈益强 中国科学院计算技术研究所所务委员、研究员、CCF Fellow，主要研究人机交互与普适计算，联邦学习与迁移学习等。 任北京市移动计算与新型终端重点实验室主任、中科院计算所泛在计算系统研究中心主任；曾入选国家“万人计划”科技创新领军人才、科技部中青年科技创新领军人才、北京市科技新星等；国务院特殊津贴专家，东京大学、南洋理工大学兼职教授，IEEE计算智能等6个刊物的编委，IEEE可穿戴与智能交互技术委员会创始委员等。获 IJCAI-FL等人工智能和普适计算领域很好论文奖 6 项；相关成果获国家科技进步二等奖及中国计算机学会技术发明一等奖等。"

第Ⅰ部分迁移学习基础
1绪论3
1.1迁移学习3
1.2相关研究领域7
1.3迁移学习的必要性8
1.3.1大数据与少标注之间的矛盾9
1.3.2大数据与弱计算能力的矛盾9
1.3.3有限数据与模型泛化能力的矛盾.10
1.3.4普适化模型与个性化需求的矛盾.11
1.3.5特定应用的需求11
1.4迁移学习的研究领域12
1.4.1按特征空间分类13
1.4.2按目标域有无标签分类13
1.4.3按学习方法分类13
1.4.4按离线与在线形式分类14
1.5学术界和工业界中的迁移学习15
1.6迁移学习的应用18
1.6.1计算机视觉19
1.6.2自然语言处理21
1.6.3语音识别与合成23
1.6.4普适计算与人机交互25
1.6.5医疗健康28
1.6.6其他应用领域30
参考文献
2从机器学习到迁移学习48
2.1机器学习基础48
2.1.1机器学习概念48
2.1.2结构风险最小化49
2.1.3数据的概率分布50
2.2迁移学习定义52
2.3迁移学习基本问题55
2.3.1何时迁移55
2.3.2何处迁移56
2.3.3如何迁移58
2.4失败的迁移：负迁移58
2.5一个完整的迁移学习过程60
参考文献61
3迁移学习方法总览63
3.1分布差异的度量63
3.2分布差异的统一表征66
3.2.1分布自适应因子的计算67
3.3迁移学习方法统一表征68
3.3.1样本权重迁移法70
3.3.2特征变换迁移法70
3.3.3模型预训练迁移法71
3.4上手实践72
3.4.1数据准备.73
3.4.2基准模型构建：KNN75
参考文献76
4样本权重迁移法78
4.1问题定义78
4.2基于样本选择的方法80
4.2.1基于非强化学习的样本选择法81
4.2.2基于强化学习的样本选择法82
4.3基于权重自适应的方法83
4.4上手实践85
4.5小结88
参考文献88
5统计特征变换迁移法93
5.1问题定义93
5.2优选均值差异法94
5.2.1基本概念94
5.2.2基于优选均值差异的迁移学习96
5.2.3求解与计算99
5.2.4应用与扩展101
5.3度量学习法102
5.3.1度量学习102
5.3.2基于度量学习的迁移学习104
5.4上手实践105
5.5小结108
参考文献108
6几何特征变换迁移法111
6.1子空间变换法111
6.1.1子空间对齐法112
6.1.2协方差对齐法113
6.2流形空间变换法114
6.2.1流形学习114
6.2.2基于流形学习的迁移学习方法115
6.3很优传输法118
6.3.1很优传输118
6.3.2基于很优传输法的迁移学习方法119
6.4上手实践121
6.5小结122
……