迁移学习综述论文：A Survey on Transfer Learning

神经网络鲁棒性和可迁移性综述：On Robustness and Transferability of Convolutional Neural Networks

GDPR 对 AI 的挑战和基于联邦迁移学习的对策； 智能互联网时代N倍数的产业机遇； 大规模图像理解、分割新进展； 机器学习与人工智能； 自然语言处理方法与应用；

迁移学习作为机器学习的一大分支，已经取得了长足的进步。本手册简明地介绍迁移学习的概念与基本方法，并对其中的领域自适应问题中的若干代表性方法进行讲述。最后简要探讨迁移学习未来可能的方向。 本手册编写的目的是帮助迁移学习领域的初学者快速入门并掌握基本方法，为自己的 研究和应用工作打下良好基础。 本手册的编写逻辑很简单：是什么——介绍迁移学习；为什么——为什么要用迁移学习、为什么能用；怎么办——如何进行迁移 (迁移学习方法)。其中，是什么和为什么解决概念问题，这是一切的前提；怎么办是我们的重点，也占据了最多的篇幅。为了最大限度地方便初学者，我们还特别编写了一章上手实践，直接分享实现代码和心得体会。

针对与测试数据分布相同的训练数据不足,相关领域中存在大量的、与测试数据分布相近的训练数据的场景,提出一种基于相似度学习的多源迁移学习算法(SL-MSTL).该算法在经典SVM分类模型的基础上提出一种新的迁移分类模型,增加对多源域与目标域之间的相似度学习,可以有效地利用各源域中的有用信息,提高目标域的分类效果.实验的结果表明了SL-MSTL 算法的有效性和实用性.

课程导语：   人工智能可谓是现阶段最火的行业，在资本和技术协同支持下正在进入高速发展期。当今全球市值前五大公司都指向同一发展目标:人工智能。近几年，人工智能逐渐从理论科学落地到现实中，与生活越来越息息相关，相关的各种职位炙手可热，而深度学习更是人工智能无法绕开的重要一环。 从AlphaGo打败李世石开始，深度学习技术越来越引起社会各界的广泛关注。不只学术界，甚至在工业界也取得了重大突破和广泛应用。其中应用最广的研究领域就是图像处理和自然语言处理。而要入门深度学习，CNN和RNN作为最常用的两种神经网络是必学的。网上关于深度学习的资料很多，但大多知识点分散、内容不系统，或者以理论为主、代码实操少，造成学员学习成本高。本门课程将从最基础的神经元出发，对深度学习的基础知识进行全面讲解，帮助大家迅速成为人工智能领域的入门者，是进阶人工智能深层领域的基石。 讲师简介： 赵辛，人工智能算法科学家。2019年福布斯科技榜U30，深圳市海外高层次人才（孔雀人才）。澳大利亚新南威尔士大学全奖博士，SCI收录其发表过的10篇国际期刊学术文章。曾任深圳市微埃智能科技有限公司联合创始人。CSDN人工智能机器

要解决的是一个医学图像的二分类问题，有AK和SK两种病症，根据一定量数据，进行训练，对图像进行预测。 给定图片数据的格式： 解决思路 整体上采用迁移学习来训练神经网络，使用InceptionV3结构，框架采用keras. 具体思路： 读取图片数据，保存成.npy格式，方便后续加载 标签采用one-hot形式，由于标签隐藏在文件夹命名中，所以需要自行添加标签，并保存到.npy文件中，方便后续加载 将数据分为训练集、验证集、测试集 使用keras建立InceptionV3基本模型，不包括顶层，使用预训练权重，在基本模型的基础上自定义几层神经网络，得到最后的模型，对模型进行训练 优化模型，调整超参数，提高准确率 在测试集上对模型进行评估，使用精确率、召回率 对单张图片进行预测，并输出每种类别的概率 如何加载实际数据，如何保存成npy文件，如何打乱数据，如何划分数据，如何进行交叉验证 如何使用keras进行迁移学习 keras中数据增强、回调函数的使用，回调函数涉及：学习速率调整、保存最好模型、tensorboard可视化 如何使用sklearn计算准确率，精确率，召回率，F1_

使用VGG19迁移学习实现图像风格迁移 这是一个使用预训练的VGG19网络完成图片风格迁移的项目，使用的语言为python，框架为tensorflow。 给定一张风格图片A和内容图片B，能够生成具备A图片风格和B图片内容的图片C。此项目使用Python2.7+TensorFlow 1.4编写，环境太过古老，可能无法正常运行起来。 1.下载预训练的vgg网络，并放入到项目的根目录中 模型有500M+，故没有放到GitHub上，有需要请自行下载。 下载地址：http://www.vlfeat.org/matconvnet/models/beta16/imagenet-vgg-verydeep-19.mat 2.选定风格图片和内容图片，放入项目根目录下的images文件夹中 在项目根目录下的images文件夹中，有两张图片，分别为content.jpg和style.jpg，即内容图片和风格图片。 如果只是使用默认图片测试模型，这里可以不做任何操作。 如果要测试自定义的图片，请使用自定义的内容图片和/或风格图片替换该目录下的内容图片和/或风格图片，请保持命名与默认一致，或者在se

KaggleӤํᓤݷԅ̿ Approaching (Almost) Any Machine Learning Problem̀ጱܗਮҁᅩڋବ ᮱ ᴅ᧛ܻ෈ ҂֢҅ᘏฎKaggleྲᩦጱӫӱಁ҅ܗਮฎ՜݇ےKaggleྲᩦጱᕪḵ௛ᕮ̶ࣁᬰفྋ᷌ڹᵋ׎ಞ ғݙپ

摘要源领域和目标领域特征空间的不一致导致迁移学习准确率下降为此提出一种基于的 不 同领 域 特 征 对 齐 算 法 只 选 取 形 容 词 副 词 名 词 动