• Stars
    star
    2,486
  • Rank 18,480 (Top 0.4 %)
  • Language
    TeX
  • Created over 6 years ago
  • Updated over 1 year ago

Reviews

There are no reviews yet. Be the first to send feedback to the community and the maintainers!

Repository Details

《迁移学习简明手册》LaTex源码

《迁移学习简明手册》

MIT License GitHub release GitHub commits

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。

News

This repo is not maintained anymore since our latest efforts have been organized into a book called Introduction to Transfer learning, both has English version and Chinese version. The homepage for the book is: https://jd92.wang/tlbook/.

image

This open-source version will be here forever. But this is significantly different from the book. So if you like it, you can buy the book.

The following are deprecated.

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!

引用

可以按如下方式进行引用:

Jindong Wang et al. Transfer Learning Tutorial. 2018.

王晋东等. 迁移学习简明手册. 2018.

BibTeX

@misc{WangTLTutorial2018,
    Author = {Jindon Wang et al.},
    Title = {Transfer Learning Tutorial},
    Url = {https://github.com/jindongwang/transferlearning-tutorial},
    Year = {2018},
}

@misc{WangTLTutorial2018cn,
    Author = {王晋东等},
    Title = {迁移学习简明手册},
    Url = {https://github.com/jindongwang/transferlearning-tutorial},
    Year = {2018},
}

参与贡献方式

以下部分为参与贡献的详细说明。

在线编译 (推荐)

直接通过pull request的方式在markdown文件夹中修改。修改通过后,GitBook会自动更新。

本地编译方式

  • 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:

章节 名称 文件名 内容 状态
主文件 .. main.tex 题目、摘要、推荐语、目录、文件组织 V1.0
写在前面等 .. prefix.tex 写在前面、致谢、说明 V1.0
第1章 迁移学习基本概念 introduction.tex 迁移学习基本介绍 V1.0
第2章 迁移学习的研究领域 research_area.tex 研究领域 V1.0
第3章 迁移学习的应用 application.tex 应用 V1.0
第4章 基础知识 basic.tex 基础知识 V1.0
第5章 迁移学习的基本方法 method.tex 四类基本方法 V1.0
第6章 第一类方法:数据分布自适应 distributionadapt.tex 数据分布自适应 V1.0
第7章 第二类方法:特征选择 featureselect.tex 特征选择 V1.0
第8章 第三类方法:子空间学习 subspacelearn.tex 子空间学习法 V1.0
第9章 深度迁移学习 deep.tex 深度和对抗迁移方法 V1.0
第10章 上手实践 practice.tex 实践教程 V1.0
第11章 迁移学习前沿 future.tex 展望 V1.0
第12章 总结语 conclusion 总结 V1.0
第13章 附录 appendix.tex 附录 V1.0

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:

  • 这个issue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([email protected])
  • 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。

如何提交 Pull Request

准备工作

  1. 在原始代码库上点 Fork ,在自己的账户下开一个分支代码库
  2. 将自己的分支克隆到本地
    • git clone https://github.com/(YOUR_GIT_NAME)/transferlearning-tutorial.git
  3. 将本机自己的 fork 的代码库和 GitHub 上原始作者的代码库 ,即上游( upstream )连接起来
    • git remote add upstream https://github.com/jindongwang/transferlearning-tutorial.git

提交代码

  1. 每次修改之前,先将自己的本地分支同步到上游分支的最新状态
    • git pull upstream master
  2. 作出修改后 push 到自己名下的代码库
  3. 在 GitHub 网页端自己的账户下看到最新修改后点击 New pull request 即可

贡献者信息

More Repositories

1

transferlearning

Transfer learning / domain adaptation / domain generalization / multi-task learning etc. Papers, codes, datasets, applications, tutorials.-迁移学习
Python
13,147
star
2

MachineLearning

一些关于机器学习的学习资料与研究介绍
1,927
star
3

activityrecognition

Resources about activity recognition-行为识别资料
MATLAB
878
star
4

tlbook-code

Code for Transfer Learning book--《迁移学习导论》配套代码
Python
243
star
5

Deep-learning-activity-recognition

A tutorial for using deep learning for activity recognition (Pytorch and Tensorflow)
Python
215
star
6

Pytorch-CapsuleNet

An easy-to-follow Pytorch implementation of Hinton's Capsule Network
Python
162
star
7

ProbabilityHomework

中国科学院大学(计算所)《概率方法与随机图》课程作业与教材
TeX
55
star
8

EasyEspnet

Making Espnet easier to use
Python
51
star
9

aqistudy

全国122个城市历史空气质量爬取
Python
40
star
10

maml

Python implementation MAML (model-agnostic meta learning)
Python
26
star
11

informationretrieval

信息检索检索器的Java实现
Roff
17
star
12

BUAA-Recommend-Graduate-Test

北航2013年计算机夏令营机试题,2 problems written in C language,2013
C++
9
star
13

graph

Java实现图,邻接矩阵和邻接表两种方式
Java
8
star
14

ActivationMapVisualization

Visualize the activation map using Grad CAM
Jupyter Notebook
7
star
15

kaggle-bikesharing

Python
6
star
16

DataBaseOperation

Java和C#简单的数据库操作类,支持Sql Server和Sqlite及mysql
C#
4
star
17

learning_to_match

Jupyter Notebook
3
star
18

jindongwang

2
star
19

SyntaxAnalysis

syntax analytics
C#
2
star