MARC状态：订购 文献类型：中文图书 浏览次数：7
- 题名/责任者:
- 集成多标签学习方法/夏跃龙，唐明靖著
- 出版发行项:
- 北京:清华大学出版社,2025.03
- ISBN及定价:
- 978-7-302-68236-3/CNY59.00
- 载体形态项:
- 158页:图;23cm
- 丛编项:
- 电子信息前沿技术丛书
- 个人责任者:
- 夏跃龙 著
- 个人责任者:
- 唐明靖 著
- 学科主题:
- 机器学习
- 中图法分类号:
- TP181
- 责任者附注:
- 夏跃龙，云南师范大学硕士生导师，长期从事机器学习、数据挖掘和模式识别的基础理论研究，在深度集成学习、迁移学习、联邦学习等相关领域进行了深入研究。近年来，主持厅级项目2项，民族教育信息化教育部重点实验室开放基金1项，云南省智慧教育重点实验室开放基金1项，参与国家级/省部级项目4项，中央军民融合项目1项，发明专利1项，发表SCI/EI论文10余篇，获云南省教学成果二等奖1项(排名第7)，获工信部人工智能应用工程(高级)证书，华为昇腾AI人工智能结业，相关研究成果主要发表于国际知名学术期刊与会议，成果主要应用于多标签学习、多模态迁移学习、联邦学习、智慧医疗、智慧教育等大数据分析系统，拥有丰富的项目开发经验。唐明靖，云南师范大学教授，硕士生导师，长期从事深度学习、知识图谱、智慧教育、生物信息计算等相关领域研究。近年来主持省部级项目1项，厅级项目3项；参与国家级项目2项，省部级项目2项；参与云南省中老泰教育数字化国际联合研发中心、云南省民族教育信息化创新团队、云南省高校教育大数据应用技术科技创新团队、云南省智慧教育重点实验室、云南省操晓春专家工作站、昆明市教育信息化重点实验室等平台建设项目；参编著作1部；发表学术论文30余篇，申请发明专利5项，获得软件著作权10余项，相关研究成果主要发表于国内外知名学术期刊，成果主要应用于知识图谱、软件知识挖掘、智慧教育、生物信息计算等大数据应用领域，拥有丰富的项目研发经验。
- 提要文摘附注:
- 本书基于集成学习相关理论，围绕多标签局部依赖、多标签缺失补全、极端量级多标签学习、长尾多标签学习和开放词多标签学习等一系列问题进行展开，提出了一系列高效的集成多标签学习方法，并详细阐述方法在不同实际场景下的具体解决方案及其背后的技术支撑，同时，通过展示一些典型的实际应用问题解决案例，来验证提出方法在处理复杂、多维度标签任务上的优越性。
- 使用对象附注:
- 本书可作为高等院校计算机科学、人工智能及机器学习专业师生的教学参考书，也可为大数据处理、人工智能应用开发领域的专业人员、科技工作者及研究人员提供宝贵的实践指南与理论参考
全部MARC细节信息>>