遷移學習十講--最優傳輸視角
任傳賢
- 出版商: 中山大學出版社
- 出版日期: 2026-09-01
- 售價: $528
- 語言: 簡體中文
- 頁數: 271
- ISBN: 7306087878
- ISBN-13: 9787306087874
-
相關分類:
Machine Learning
下單後立即進貨 (約4週~6週)
相關主題
商品描述
最優傳輸理論作為現代幾何分析的重要方法，在機器學習、計算機視覺、運籌學和經濟學等諸多領域受到了廣泛的關註。本教材以機器學習領域的研究熱點——遷移學習為主要支點，詳細地介紹最優傳輸相關模型與算法，以及它們在推動遷移學習理論和應用發展過程中取得的進展。本教材分10個章節重點介紹最優傳輸的基本概念、重要性質、模型在不同應用場景下的推廣以及相應的數值算法。特別地，這些模型主要基於深度學習框架或大模型框架開展實驗驗證。本書在基礎原理、數學建模、數值優化、應用實例等方面進行了系統、深入的介紹。
目錄大綱
第1章 最優傳輸原理
1.1 基本模型
1.2 最優傳輸問題的數學表達
1.3 康托羅維奇問題的對偶表示
1.4 圖匹配與點配準
第2章 最優傳輸問題的優化算法
2.1 線性規劃求解康托羅維奇問題
2.2 Sinkhorn算法
2.3 小批量的最優傳輸求解
2.4 高斯分布的最優傳輸
2.5 大規模的最優傳輸求解
2.6 雙隨機矩陣與Sinkhorn疊代
第3章 最優傳輸的拓展模型
3.1 不平衡的最優傳輸
3.2 部分最優傳輸
3.3 聯合最優傳輸
3.4 最優張量傳輸
第4章 最優傳輸的度量及其統計性質
4.1 信息論基礎
4.2 幾種常用的距離
4.3 最大均值差異
4.4 條件最大均值差異
4.5 Wasserstein距離與近似
4.6 Wasserstein生成式對抗網絡算法
4.7 Wasserstein相依性度量
4.8 熵正則的最優傳輸獨立性準則
第5章 最優傳輸與遷移學習
5.1 數據集偏差
5.2 傳輸度量優化方法
5.3 最優傳輸映射方法
5.4 最優傳輸與分布適配
5.5 協變量偏移的最優傳輸模型
5.6 標簽偏移的最優傳輸模型
第6章 泛化學習理論
6.1 經典的泛化誤差理論
6.2 分布偏移的泛化誤差理論
第7章 再生核希爾伯特空間中的最優傳輸
7.1 RKHS中的最優傳輸
7.2 RKHS上高斯測度之間的Wasserstein距離
7.3 RKHS中的Sinkhorn算法
第8章 最優傳輸與註意力機制
8.1 Transformer背景
8.2 跨域局部一致性學習
8.3 基於Wasserstein距離的泛化誤差上界
8.4 算法與優化
第9章 極大條件獨立性準則
9.1 條件獨立性準則
9.2 條件分布不變的表征學習模型
9.3 條件獨立性誘導的無監督域適應
第10章 風格遷移與多模態數據對齊
10.1 白化著色變換
10.2 McCann插值
10.3 視覺風格遷移
10.4 Wasserstein主測地線分析
10.5 多模態數據
參考文獻
