《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。

I'm considering a big update to this tutorial later this year. If you are interested, please feel free to contact me!

下载

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。

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(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。

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