機(jī)器學(xué)習(xí)中的標(biāo)記增強(qiáng)理論與應(yīng)用研究
定 價(jià):49 元
叢書名:CCF優(yōu)博叢書
- 作者:徐寧
- 出版時(shí)間:2023/3/1
- ISBN:9787111721697
- 出 版 社:機(jī)械工業(yè)出版社
- 中圖法分類:TP181
- 頁(yè)碼:
- 紙張:膠版紙
- 版次:
- 開本:32開
《機(jī)器學(xué)習(xí)中的標(biāo)記增強(qiáng)理論與應(yīng)用研究》由東南大學(xué)計(jì)算機(jī)科學(xué)與工程學(xué)院助理研究員徐寧撰寫。全書聚焦標(biāo)記端多義性這一當(dāng)今機(jī)器學(xué)習(xí)領(lǐng)域的熱點(diǎn)問題,針對(duì)學(xué)習(xí)過程中不可避免的信息損失這一突出問題,提出了標(biāo)記增強(qiáng)的概念,以期在不增加額外數(shù)據(jù)標(biāo)注負(fù)擔(dān)的前提下,挖掘訓(xùn)練樣本中蘊(yùn)含的標(biāo)記重要性差異信息,將邏輯標(biāo)記轉(zhuǎn)化為標(biāo)記分布。
《機(jī)器學(xué)習(xí)中的標(biāo)記增強(qiáng)理論與應(yīng)用研究》共六章:
第1章緒論,介紹了全書的研究背景和研究?jī)?nèi)容。
第2章標(biāo)記增強(qiáng)研究進(jìn)展,介紹了標(biāo)記增強(qiáng)的研究進(jìn)展。
第3章標(biāo)記增強(qiáng)理論框架,構(gòu)建了標(biāo)記增強(qiáng)的理論框架。
第4章面向標(biāo)記分布學(xué)習(xí)的標(biāo)記增強(qiáng),提出了面向標(biāo)記分布學(xué)習(xí)的標(biāo)記增強(qiáng)。
第5章標(biāo)記增強(qiáng)在其他學(xué)習(xí)問題上的應(yīng)用,將標(biāo)記增強(qiáng)應(yīng)用到其他學(xué)習(xí)問題上。
第6章總結(jié)與展望,總結(jié)現(xiàn)有工作,并在此基礎(chǔ)上進(jìn)行展望。
適讀人群 :研究生、科研人員、從業(yè)者等
◆中國(guó)計(jì)算機(jī)領(lǐng)域具有重要突破或重要?jiǎng)?chuàng)新的博士研究生科研成果
◆2021年度CCF優(yōu)秀博士學(xué)位論文獎(jiǎng)
◆構(gòu)建了標(biāo)記增強(qiáng)基礎(chǔ)理論框架
◆提出了面向標(biāo)記分布學(xué)習(xí)的標(biāo)記增強(qiáng)專用算法
◆在其他學(xué)習(xí)范式上應(yīng)用了標(biāo)記增強(qiáng)
標(biāo)記端多義性是當(dāng)今機(jī)器學(xué)習(xí)的熱點(diǎn)問題。多標(biāo)記學(xué)習(xí)中,每個(gè)樣本都被賦予了一組標(biāo)記子集來表示其多種語(yǔ)義信息。然而,標(biāo)記強(qiáng)度差異現(xiàn)象在多義性機(jī)器學(xué)習(xí)任務(wù)中廣泛存在,而既有多標(biāo)記學(xué)習(xí)研究中普遍采用的相關(guān)/無關(guān)兩個(gè)子集的邏輯劃分法幾乎完全忽視了這種現(xiàn)象,造成學(xué)習(xí)過程中不可避免的信息損失。針對(duì)這一突出問題,有必要用一種稱為標(biāo)記分布的標(biāo)注結(jié)構(gòu)來代替邏輯標(biāo)記對(duì)示例的類別信息進(jìn)行描述。標(biāo)記分布通過連續(xù)的描述度來顯式表達(dá)每個(gè)標(biāo)記與數(shù)據(jù)對(duì)象的關(guān)聯(lián)程度,很自然地解決了標(biāo)記強(qiáng)度差異的問題,而在以標(biāo)記分布標(biāo)注的數(shù)據(jù)集上學(xué)習(xí)的過程就稱為標(biāo)記分布學(xué)習(xí)。由于描述度的標(biāo)注成本更高且常常沒有客觀的量化標(biāo)準(zhǔn),現(xiàn)實(shí)任務(wù)中大量的多義性數(shù)據(jù)仍然是以簡(jiǎn)單邏輯標(biāo)記標(biāo)注的,為此本書提出了標(biāo)記增強(qiáng)這一概念。標(biāo)記增強(qiáng)在不增加額外數(shù)據(jù)標(biāo)注負(fù)擔(dān)的前提下,挖掘訓(xùn)練樣本中蘊(yùn)含的標(biāo)記重要性差異信息,將邏輯標(biāo)記轉(zhuǎn)化為標(biāo)記分布。
徐寧,東南大學(xué)計(jì)算機(jī)科學(xué)與工程學(xué)院助理研究員。先后獲中國(guó)科學(xué)技術(shù)大學(xué)學(xué)士學(xué)位、中國(guó)科學(xué)院大學(xué)碩士學(xué)位以及東南大學(xué)博士學(xué)位。主要從事機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘領(lǐng)域的研究。在ICML、NeurIPS、IEEE TPAMI、IEEE TKDE等著名國(guó)際會(huì)議和期刊發(fā)表論文20余篇。獲2021年CCF優(yōu)秀博士學(xué)位論文獎(jiǎng)、2020年德國(guó)DAAD AInet獎(jiǎng)、2021年江蘇省優(yōu)秀博士學(xué)位論文獎(jiǎng)。擔(dān)任Frontiers of Computer Science的預(yù)備青年編委,CCF人工智能與模式識(shí)別專業(yè)委員會(huì)執(zhí)行委員,ICML、NeurIPS、ICLR、AAAI、IJCAI、ECML等著名國(guó)際會(huì)議的(高級(jí))程序委員會(huì)委員,IEEE TPAMI、IEEE TNNLS、IEEE TMM等著名國(guó)際期刊的審稿人。
第1章 緒論
1.1 研究背景 1
1.2 標(biāo)記增強(qiáng)簡(jiǎn)介 5
1.3 研究?jī)?nèi)容 7
1.4 組織結(jié)構(gòu) 9
第2章 標(biāo)記增強(qiáng)研究進(jìn)展
2.1 引言 11
2.2 多標(biāo)記學(xué)習(xí) 14
2.2.1 學(xué)習(xí)任務(wù) 14
2.2.2 學(xué)習(xí)方法 15
2.2.3 評(píng)價(jià)指標(biāo) 22
2.3 標(biāo)記分布學(xué)習(xí) 29
2.3.1 學(xué)習(xí)任務(wù) 31
2.3.2 學(xué)習(xí)方法 33
2.3.3 評(píng)價(jià)指標(biāo) 39
2.4 標(biāo)記增強(qiáng) 40
2.4.1 基于先驗(yàn)知識(shí)的標(biāo)記增強(qiáng) 42
2.4.2 基于模糊方法的標(biāo)記增強(qiáng) 45
2.4.3 基于圖的標(biāo)記增強(qiáng) 48
第3章 標(biāo)記增強(qiáng)理論框架
3.1 引言 52
3.2 標(biāo)記分布內(nèi)在生成機(jī)制 54
3.3 標(biāo)記分布質(zhì)量評(píng)價(jià) 62
3.4 標(biāo)記增強(qiáng)對(duì)分類器泛化性能的提升 66
3.5 實(shí)驗(yàn)結(jié)果與分析 68
3.5.1 標(biāo)記分布恢復(fù)實(shí)驗(yàn) 68
3.5.2 消融實(shí)驗(yàn) 80
3.6 本章小結(jié) 85
第4章 面向標(biāo)記分布學(xué)習(xí)的標(biāo)記增強(qiáng)
4.1 引言 86
4.2 GLLE方法 87
4.2.1 優(yōu)化框架 88
4.2.2 拓?fù)淇臻g結(jié)構(gòu)的引入 89
4.2.3 標(biāo)記相關(guān)性的利用 90
4.2.4 優(yōu)化策略 92
4.3 實(shí)驗(yàn)結(jié)果與分析 94
4.3.1 標(biāo)記分布恢復(fù)實(shí)驗(yàn) 94
4.3.2 標(biāo)記分布學(xué)習(xí)實(shí)驗(yàn) 103
4.3.3 標(biāo)記相關(guān)性驗(yàn)證 107
4.4 本章小結(jié) 109
第5章 標(biāo)記增強(qiáng)在其他學(xué)習(xí)問題上的應(yīng)用
5.1 引言 111
5.2 多標(biāo)記學(xué)習(xí) 112
5.2.1 LEMLL方法 113
5.2.2 實(shí)驗(yàn)結(jié)果與分析 118
5.3 偏標(biāo)記學(xué)習(xí) 126
5.3.1 PLLE方法 128
5.3.2 實(shí)驗(yàn)結(jié)果與分析 132
5.4 本章小結(jié) 149
第6章 總結(jié)與展望
6.1 總結(jié) 151
6.2 下一步研究的方向 153