眾包學習 張靜 盛勝利 吳信東 9787030767448 【台灣高等教育出版社】
圖書均為代購，正常情形下，訂後約兩周可抵台。
物品所在地：中國大陸
原出版社：科學
物品所在地：中國大陸
原出版社：科學
NT$954
商品編號:
供貨狀況:
尚有庫存
加入最愛
此商品 「 最高 」可以折抵紅利
0
點
(約等於 NT$0 )
商品介紹
| *完成訂單後正常情形下約兩周可抵台。 *本賣場提供之資訊僅供參考，以到貨標的為正確資訊。 印行年月：202311*若逾兩年請先於私訊洽詢存貨情況，謝謝。 台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。 書名：眾包學習 ISBN：9787030767448 出版社：科學 著編譯者：張靜 盛勝利 吳信東 頁數：280 所在地：中國大陸 *此為代購商品 書號：1598456 可大量預訂，請先連絡。 內容簡介 本書系統介紹了眾包學習的概念、應用領域、前沿課題和研究實踐。在基礎知識方面，本書介紹了眾包的起源與發展、眾包技術的研究方向，分析眾包模式給機器學習帶來的機遇與挑戰。在前沿技術方面，本書詳細闡述了眾包標註真值推斷與面向眾包標註數據的預測模型學習等前沿研究課題。在研究實踐方面，本書介紹了面向偏置標註的眾包標籤真值推斷、基於機器學習模型的眾包標籤雜訊處理、眾包標籤利用方法與集成學習模型、基於不確定性度量的眾包主動學習等典型研究案例。 本書適合高等院校智能科學與技術、計算機科學與技術、控制科學與工程、網路空間安全等專業高年級本科生和研究生，以及相關領域研究人員和工程技術人員閱讀與參考。目錄 「新一代人工智慧創新平台建設及其關鍵技術叢書」序前言 第一部分通用符號和約定 第1章 眾包概述 1 1 眾包的起源與發展 1 1 1 從外包到眾包 1 1 2 集眾人之智慧 1 1 3 眾包的形式 1 2 數據眾包 1 2 1 數據眾包的典型應用 1 2 2 數據眾包的工作流程 1 2 3 數據眾包面臨的挑戰性問題 1 3 眾包系統 1 3 1 幾個典型的眾包系統 1 3 2 眾包系統分類 1 3 3 眾包系統性能評價 1 3 4 眾包系統技術概覽 1 4 本章小結 第2章 眾包技術的研究方向 2 1 引言 2 2 眾包質量控制 2 2 1 質量模型 2 2 2 數據質量 2 2 3 任務質量 2 2 4 參与者質量 2 2 5 質量評估 2 2 6 質量保證 2 3 眾包任務設計 2 3 1 任務組合 2 3 2 任務分配 2 3 3 激勵機制 2 4 成本和時延控制 2 4 1 問題規約 2 4 2 任務抽樣 2 4 3 時延控制 2 5 本章小結 第3章 眾包遇見機器學習 3 1 引言 3 2 從眾包中獲利 3 2 1 計算機視覺 3 2 2 信息檢索 3 2 3 自然語言處理 3 2 4 機器學習 3 3 數據生產 3 3 1 數據標註 3 3 2 不確定數據 3 3 3 多樣性數據 3 3 4 特殊性數據 3 4 混合智能系統 3 4 1 混合調度 3 4 2 混合人機通信 3 4 3 混合聚類 3 5 模型的調試與評估 3 5 1 管道組件調試 3 5 2 評估模型的可解釋性 3 5 3 評估無監督模型 3 5 4 按需評價 3 6 本章小結 第4章 眾包標註的真值推斷 4 1 引言 4 2 真值推斷的概念 4 2 1 眾包標註 4 2 2 真值推斷的定義 4 2 3 通用真值推斷研究概覽 4 2 4 面臨的挑戰 4 3 真值推斷的概率模型及EM求解 4 3 1 真值推斷的求解框架 4 3 2 ZenCrowd模型 4 3 3 Dawid&Skene模型 4 3 4 Raykar&Yu模型 4 3 5 GLAD模型 4 4 複雜標註的真值推斷模型 4 4 1 OnlineWP模型 4 4 2 MCMLI模型 4 4 3 MCMLD模型 4 4 4 MCMLI-OC模型和MCMLD-OC模型 4 5 非EM求解的真值推斷 4 5 1 CUBAM模型 4 5 2 Minimax熵模型 4 5 3 KOS模型 4 5 4 SFilter時序模型 4 5 5 BCC模型和cBCC模型 4 6 本章小結 第5章 面向眾包標註數據的預測模型學習 5 1 引言 5 2 兩階段學習方案和直接學習方案 5 2 1 數據質量和學習模型質量 5 2 2 兩階段學習方案 5 2 3 直接學習方案 5 3 眾包監督學習 5 3 1 Raykar&Yu學習模型 5 3 2 個人分類器模型 5 3 3 聚類個人分類器模型 5 3 4 Bi多維度模型 5 4 眾包主動學習 5 4 1 主動學習概述 5 4 2 樣本選擇和工作者選擇 5 4 3 成本約束的Proactive學習 5 4 4 STAL學習 5 4 5 Self-taught模型 5 5 其他眾包學習範式 5 5 1 眾包學習中的知識遷移 5 5 2 眾包深度學習 5 6 本章小結 第6章 眾包學習數據集與工具 6 1 引言 6 2 眾包學習數據集 6 2 1 情感判斷 6 2 2 相關性評估 6 2 3 圖像分類 6 2 4 自然語言處理 6 2 5 事實評估 6 3 眾包學習實驗工具 6 3 1 SQUARE 6 3 2 BATC 6 3 3 CEKA 6 3 4 實驗工具研發挑戰 6 4 性能評價指標 6 4 1 二分類問題的評價指標 6 4 2 ROC曲線與AUC 6 4 3 多分類問題的評價指標 6 4 4 回歸的性能指標 6 5 本章小結 第7章 面向偏置標註的眾包標籤真值推斷 7 1 引言 7 2 偏置標註問題 7 2 1 二分類偏置標註問題定義 7 2 2 真實數據集中的偏置標註現象 7 2 3 偏置標註對真值推斷的影響 7 3 自動閾值估計推斷演算法 7 3 1 案例研究 7 3 2 正標籤頻率閾值演算法 7 3 3 閾值估計演算法 7 3 4 實驗設置 7 3 5 實驗結果與分析 7 4 基於聚類的多分類真值推斷 7 4 1 動機 7 4 2 原理和特徵生成 7 4 3 GTIC演算法 7 4 4 實驗數據集與設置 7 4 5 實驗結果與分析 7 5 本章小結 第8章 基於機器學習模型的眾包標籤雜訊處理 8 1 引言 8 2 傳統機器學習的雜訊處理方法 8 2 1 分類過濾演算法 8 2 2 標籤打磨糾正演算法 8 2 3 自訓練誤標糾正演算法 8 2 4 基於聚類的誤標糾正演算法 8 2 5 眾包數據集實驗結果與分析 8 3 基於監督預測模型的眾包標籤雜訊處理 8 3 1 總體技術框架 8 3 2 自適應投票雜訊糾正演算法 8 3 3 模擬眾包標註數據集 8 3 4 標籤雜訊識別的性能 8 3 5 標籤雜訊糾正的性能 8 3 6 真實眾包數據集實驗結果與分析 8 4 基於雙層聚類分析的眾包 詳細資料或其他書籍請至台灣高等教育出版社查詢，查後請於PChome商店街私訊告知ISBN或書號，我們即儘速上架。 |
