迁移学习问题与方法研究
| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第1章 绪论 | 第9-23页 |
| 1.1 研究背景与意义 | 第9-12页 |
| 1.1.1 理论研究价值 | 第10-11页 |
| 1.1.2 应用研究价值 | 第11-12页 |
| 1.2 问题描述 | 第12-13页 |
| 1.3 国内外研究现状 | 第13-18页 |
| 1.3.1 迁移学习类型 | 第13-15页 |
| 1.3.2 迁移学习方法 | 第15-18页 |
| 1.4 有待研究的问题 | 第18-20页 |
| 1.5 研究内容与主要贡献 | 第20-22页 |
| 1.6 本文的组织结构 | 第22-23页 |
| 第2章 图正则化联合矩阵分解方法 | 第23-45页 |
| 2.1 引言 | 第23-25页 |
| 2.2 图正则化联合矩阵分解 | 第25-29页 |
| 2.2.1 问题定义 | 第25-26页 |
| 2.2.2 联合矩阵分解 | 第26-27页 |
| 2.2.3 图正则化 | 第27-28页 |
| 2.2.4 优化框架 | 第28-29页 |
| 2.3 学习算法与分析 | 第29-35页 |
| 2.3.1 矩阵二分解 | 第29-31页 |
| 2.3.2 矩阵三分解 | 第31页 |
| 2.3.3 平凡解问题 | 第31-32页 |
| 2.3.4 负迁移问题 | 第32-33页 |
| 2.3.5 正确性分析 | 第33-35页 |
| 2.4 实验过程与结果 | 第35-44页 |
| 2.4.1 实验数据 | 第35-38页 |
| 2.4.2 基准算法和实现细节 | 第38-39页 |
| 2.4.3 实验结果 | 第39-42页 |
| 2.4.4 负迁移分析 | 第42页 |
| 2.4.5 参数敏感性分析 | 第42-44页 |
| 2.5 小结 | 第44-45页 |
| 第3章 联合分布适配方法 | 第45-75页 |
| 3.1 引言 | 第45-47页 |
| 3.2 联合分布适配 | 第47-49页 |
| 3.2.1 问题定义 | 第47-48页 |
| 3.2.2 边缘分布适配 | 第48页 |
| 3.2.3 条件分布适配 | 第48-49页 |
| 3.3 监督学习算法与分析 | 第49-57页 |
| 3.3.1 监督学习框架 | 第49-51页 |
| 3.3.2 监督学习算法 | 第51-55页 |
| 3.3.3 泛化误差分析 | 第55-57页 |
| 3.4 表征学习算法与分析 | 第57-60页 |
| 3.4.1 表征学习框架 | 第57页 |
| 3.4.2 表征学习算法 | 第57-60页 |
| 3.5 实验过程与结果 | 第60-74页 |
| 3.5.1 实验数据 | 第60-63页 |
| 3.5.2 基准算法与实现细节 | 第63-64页 |
| 3.5.3 实验结果 | 第64-67页 |
| 3.5.4 联合适配分析 | 第67-71页 |
| 3.5.5 参数敏感性分析 | 第71-74页 |
| 3.6 小结 | 第74-75页 |
| 第4章 领域不变核学习方法 | 第75-98页 |
| 4.1 引言 | 第75-77页 |
| 4.2 预备知识 | 第77-79页 |
| 4.2.1 最大均值差异 | 第77页 |
| 4.2.2 Nystr?m 近似 | 第77-78页 |
| 4.2.3 谱核学习 | 第78-79页 |
| 4.3 迁移核学习 | 第79-85页 |
| 4.3.1 问题定义 | 第79-80页 |
| 4.3.2 优化问题 | 第80-82页 |
| 4.3.3 学习算法 | 第82-85页 |
| 4.3.4 近似误差分析 | 第85页 |
| 4.4 实验过程与结果 | 第85-97页 |
| 4.4.1 实验数据 | 第85-88页 |
| 4.4.2 基准算法和实现细节 | 第88-90页 |
| 4.4.3 实验结果 | 第90-95页 |
| 4.4.4 适配性分析 | 第95页 |
| 4.4.5 参数敏感性分析 | 第95-97页 |
| 4.5 小结 | 第97-98页 |
| 第5章 深度表征适配方法 | 第98-120页 |
| 5.1 引言 | 第98-100页 |
| 5.2 非线性分布距离度量 | 第100-102页 |
| 5.3 领域不变深度表征 | 第102-106页 |
| 5.3.1 问题定义 | 第102-103页 |
| 5.3.2 栈式去噪自动编码器 | 第103-104页 |
| 5.3.3 边际化栈式去噪自动编码器 | 第104-106页 |
| 5.4 迁移交叉验证 | 第106-108页 |
| 5.5 实验过程与结果 | 第108-119页 |
| 5.5.1 实验数据 | 第108-109页 |
| 5.5.2 基准算法和实现细节 | 第109-111页 |
| 5.5.3 实验结果 | 第111-114页 |
| 5.5.4 深度分析 | 第114-116页 |
| 5.5.5 迁移交叉验证分析 | 第116-117页 |
| 5.5.6 参数敏感性分析 | 第117-118页 |
| 5.5.7 可扩展性 | 第118-119页 |
| 5.6 小结 | 第119-120页 |
| 第6章 总结与展望 | 第120-122页 |
| 6.1 本文总结 | 第120页 |
| 6.2 未来工作展望 | 第120-122页 |
| 参考文献 | 第122-130页 |
| 致谢 | 第130-132页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第132-134页 |
