Github 项目推荐 | 「迁移学习简明手册」的 LaTex 源码

2018 年 4 月 13 日 AI研习社 AI 研习君

这是「迁移学习简明手册」的 LaTex 源码。欢迎有兴趣的学者一起来贡献维护。

Github:

https://github.com/jindongwang/transferlearning-tutorial

  下载

  • V1.0 版本: 

    地址 1:http://jd92.wang/assets/files/transfer_learning_tutorial_wjd.pdf

    地址 2:https://github.com/jindongwang/transferlearning-tutorial/releases

  • 开发版:

    地址 1(最新) :https://www.jianguoyun.com/p/DSI5P2YQjKnsBRiU_0w

    地址 2(定期更新):http://suo.im/5ppqRT

  • 手册网站与勘误表:http://t.cn/RmasEFe

  意见与建议

对于不足和错误之处,以及新的意见,欢迎到这里留言!

https://github.com/jindongwang/transferlearning-tutorial/issues/6

  参与贡献方式

以下部分为参与贡献的详细说明。

编译方式

在任何装有较新版 TexLive 的电脑上,首先选择 xelatex 引擎进行第一次编译

再选择 BibTeX 编译一次生成参考文献

最后选择 xelatex 引擎进行第三次编译即可生成带书签的 PDF 文档

主要文件介绍

以下是本手册的主要文件与其内容介绍:

所有的源码均在 src 目录下。其中,除去主文件 main.tex 外,所有章节都在 chaps/ 文件夹下。

所有的图片都在 figures/ 文件夹下。推荐实用 eps 或 pdf 格式高清文件。

参考文献采用 bibtex 方式,见 refs.bib 文件。

  未来计划

  • 丰富和完善现有的 V1.0

  • 单独写一章介绍基于实例的迁移学习方法(instance-based),以及相关的instance selection method,如比较经典的tradaboost等

  • 深度和对抗迁移学习方法分成两章,再结合有关文献进行补充

  • 上手实践部分增加对深度方法的说明

  •  ……

  参与方式

欢迎有兴趣的学者一起加入,让手册更完善!现阶段有2个branch:master用于开发和完善,V1.0是稳定的1.0版本。后续可根据进度增加更多的branch。

具体参与方式:

在这个issue(https://github.com/jindongwang/transferlearning-tutorial/issues/1)下留言你的 Github 账号和邮箱,我将你添加到协作者中

直接 fork,然后将你的修改提交 pull request

如果不熟悉git,可直接下载本目录,然后将你修改的部分发给我(jindongwang@outlook.com)

有任何问题,均可以提交 issue

贡献之后:

在下面的贡献者信息中加入自己的信息。

如果是对错误的更正,在web/transfer_tutorial.html中的"勘误表"部分加入勘误信息。

贡献者信息

@jindongwang 王晋东,中国科学院计算技术研究所

@Godblesswz 万震,重庆大学土木工程学院

4 月 AI 求职季

8 大明星企业

10 场分享盛宴

20 小时独门秘籍

4.10-4.19,我们准时相约!



新人福利



关注 AI 研习社(okweiwu),回复  1  领取

【超过 1000G 神经网络 / AI / 大数据资料】



如何让训练神经网络不无聊?试试迁移学习和多任务学习

登录查看更多
3

相关内容

迁移学习(Transfer Learning)是一种机器学习方法,是把一个领域(即源领域)的知识,迁移到另外一个领域(即目标领域),使得目标领域能够取得更好的学习效果。迁移学习(TL)是机器学习(ML)中的一个研究问题,着重于存储在解决一个问题时获得的知识并将其应用于另一个但相关的问题。例如,在学习识别汽车时获得的知识可以在尝试识别卡车时应用。尽管这两个领域之间的正式联系是有限的,但这一领域的研究与心理学文献关于学习转移的悠久历史有关。从实践的角度来看,为学习新任务而重用或转移先前学习的任务中的信息可能会显着提高强化学习代理的样本效率。

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
一份简明有趣的Python学习教程,42页pdf
专知会员服务
76+阅读 · 2020年6月22日
最新《自动微分手册》77页pdf
专知会员服务
99+阅读 · 2020年6月6日
【圣经书】《强化学习导论(2nd)》电子书与代码,548页pdf
专知会员服务
201+阅读 · 2020年5月22日
【高能所】如何做好⼀份学术报告& 简单介绍LaTeX 的使用
【资源】100+本免费数据科学书
专知会员服务
107+阅读 · 2020年3月17日
《深度学习》圣经花书的数学推导、原理与Python代码实现
《动手学深度学习》(Dive into Deep Learning)PyTorch实现
专知会员服务
118+阅读 · 2019年12月31日
《迁移学习简明手册》,93页pdf
专知会员服务
134+阅读 · 2019年12月9日
Github项目推荐 | PyTorch 中文手册 (pytorch handbook)
强推!《PyTorch中文手册》来了
新智元
33+阅读 · 2019年2月14日
问答 | 迁移学习有哪些入门建议?
AI研习社
7+阅读 · 2018年8月30日
【免费下载】迁移学习简明手册
新智元
21+阅读 · 2018年4月13日
Meta-Transfer Learning for Zero-Shot Super-Resolution
Arxiv
43+阅读 · 2020年2月27日
Knowledge Flow: Improve Upon Your Teachers
Arxiv
5+阅读 · 2019年4月11日
Few-shot Adaptive Faster R-CNN
Arxiv
3+阅读 · 2019年3月22日
Learning to Focus when Ranking Answers
Arxiv
5+阅读 · 2018年8月8日
Arxiv
4+阅读 · 2018年4月17日
Arxiv
6+阅读 · 2018年2月26日
VIP会员
相关VIP内容
一份简明有趣的Python学习教程,42页pdf
专知会员服务
76+阅读 · 2020年6月22日
最新《自动微分手册》77页pdf
专知会员服务
99+阅读 · 2020年6月6日
【圣经书】《强化学习导论(2nd)》电子书与代码,548页pdf
专知会员服务
201+阅读 · 2020年5月22日
【高能所】如何做好⼀份学术报告& 简单介绍LaTeX 的使用
【资源】100+本免费数据科学书
专知会员服务
107+阅读 · 2020年3月17日
《深度学习》圣经花书的数学推导、原理与Python代码实现
《动手学深度学习》(Dive into Deep Learning)PyTorch实现
专知会员服务
118+阅读 · 2019年12月31日
《迁移学习简明手册》,93页pdf
专知会员服务
134+阅读 · 2019年12月9日
相关资讯
相关论文
Top
微信扫码咨询专知VIP会员