关于机器学习和行为识别的资料

RunMews 2023-06-11 15:50:19

关于机器学习和行为识别的资料，请见我的下面两个仓库：

行为识别｜机器学习

目录 Table of contents

迁移学习简介 Introduction to transfer learning
迁移学习的综述文章 Survey papers for transfer learning
Matlab和Python代码 Available codes
迁移学习代表性研究学者 Scholars
迁移学习相关的硕博士论文 Thesis
Domain adaptation相关的文章 Domain adaptation articles
代表方法及文章解读 Popular methods and my explanations
迁移学习用于行为识别的文章总结 Transfer learningfor activity recognition
常用数据集 Datasets
Contributing

1.迁移学习简介

文档 || PPT(英文) || PPT(中文)

2.迁移学习的综述文章

一些迁移学习的综述文章，中文英文都有。

其中，最具代表性的综述是A survey on transfer learning，对迁移学习进行了比较权威的定义。
最新的综述是Cross-dataset recognition: a survey，目前刚发在arXiv上，作者是澳大利亚卧龙岗大学的在读博士生，迁移学习领域做的不错。
来自香港科技大学Qiang Yang老师团队的最新综述A survey on multi-task learning
还有一篇较新的综述是A survey of transfer learning，写于2015-2016年。其中交代了一些比较经典的如同构、异构等学习方法代表性文章。包括了很多方法介绍，值得一看。
此外，还包括迁移学习应用于行为识别、迁移学习与增强学习结合等。
关于多个源域进行迁移的综述、视觉domain adaptation综述也十分有用。
中文方面，迁移学习研究进展是一篇不错的中文综述。
关于迁移学习的理论方面，有三篇连贯式的理论分析文章连续发表在NIPS和Machine Learning上：理论分析

3.代码

请见这里

4.迁移学习代表性研究学者

Qiang Yang：中文名杨强。香港科技大学计算机系主任，教授，大数据中心主任。迁移学习领域世界性专家。IEEE/AAAI/IAPR/AAAS fellow。[Google scholar]
Sinno Jialin Pan：杨强的学生，香港科技大学博士，现任新加坡南阳理工大学助理教授。迁移学习领域代表性综述A survey on transfer learning的第一作者（Qiang Yang是二作）。[Google scholar]
Wenyuan Dai：中文名戴文渊，上海交通大学硕士，现任第四范式人工智能创业公司CEO。迁移学习领域著名的牛人，每篇论文引用量巨大，在顶级会议上发表多篇高水平文章。
Fuzhen Zhuang：中文名庄福振，中科院计算所博士，现任中科院计算所副研究员。[Google scholar]
Mingsheng Long：中文名龙明盛，清华大学博士，现任清华大学助理研究员。[Google scholar]
Lixin Duan：中文名段立新，新加坡南阳理工大学博士，现就职于亚马逊。

5.迁移学习相关的硕博士论文

硕博士论文可以让我们很快地对迁移学习的相关领域做一些了解，同时，也能很快地了解概括相关研究者的工作。其中，比较有名的有

Sinno Jialin Pan
Boqing Gong：提出GFK的
Hao Hu
Wenchen Zheng

等的博士论文都是关于迁移学习的。中文方面，

清华大学龙明盛
上海交通大学的戴文渊
中科院计算所赵中堂

其他的文章，请见完整版。

6.Domain adaptation相关的文章

Domain adaptation是迁移学习领域比较热的研究方向，在这里整理了一些经典的文章和说明：Domain adaptation

代表性的方法及文章

迁移成分分析方法(Transfer component analysis, TCA)
- Domain adaptation via tranfer component analysis
- 发表在IEEE Trans. Neural Network期刊上（现改名为IEEE trans. Neural Network and Learning System），前作会议文章发在AAAI-09上
- 我的解读
联合分布适配方法（joint distribution adaptation，JDA）
- Transfer Feature Learning with Joint Distribution Adaptation
- 发表在2013年的ICCV上
- 我的解读
测地线流式核方法(Geodesic flow kernel, GFK)
- Geodesic flow kernel for unsupervised domain adaptation
- 发表在CVPR-12上
- 我的解读
领域不变性迁移核学习(Transfer Kernel Learning, TKL)
- Domain invariant transfer kernel learning
- 发表在IEEE Trans. Knowledge and Data Engineering期刊上
深度适配网络（Deep Adaptation Network, DAN）
- 发表在ICML-15上：learning transferable features with deep adaptation networks
- 我的解读
深度联合适配网络（Joint Adaptation Network, JAN）
- Deep Transfer Learning with Joint Adaptation Networks
- 发表在ICML 2017上，作者也是龙明盛
- 延续了之前的DAN工作，这次考虑联合适配

记与迁移学习大牛杨强教授的第二次会面

迁移学习用于行为识别的文章总结

我写的迁移学习应用于行为识别领域的文章小总结。目前不知道为什么markdown表格的格式错乱，未来会修正。

未来计划：

迁移学习、transfer learning、domain adaptation相关的我看过的一些论文:

深度迁移学习

Contributing

如果你对本项目感兴趣，非常欢迎你加入！

正常参与：请直接fork、pull都可以
如果要上传文件：请不要直接上传到项目中，否则会造成git版本库过大。正确的方法是上传它的超链接。如果你要上传的文件本身就在网络中（如paper都会有链接），直接上传即可；如果是自己想分享的一些文件、数据等，鉴于国内网盘的情况，请按照如下方式上传：
- 首先在UPLOAD 直接上传（不需要注册账号）
- 上传成功后，在DOWNLOAD里找到你刚上传的文件，共享链接即可。

每一个HTML文档中，都有一个不可或缺的标签：<head>，在几乎所有的HTML文档里，我们都可以看到类似下面这段代码：

html{color:#000;overflow-y:scroll;overflow:-moz-scrollbars}
body,button,input,select,textarea{font-size:12px;font-family:Arial,sans-serif}
h1,h2,h3,h4,h5,h6{font-size:100%}
em{font-style:normal}
small{font-size:12px}
ol,ul{list-style:none}
a{text-decoration:none}
a:hover{text-decoration:underline}
legend{color:#000}
fieldset,img{border:0}
button,input,select,textarea{font-size:100%}
table{border-collapse:collapse;border-spacing:0}
img{-ms-interpolation-mode:bicubic}
textarea{resize:vertical}
.left{float:left}
.right{float:right}
.overflow{overflow:hidden}
.hide{display:none}
.block{display:block}
.inline{display:inline}
.error{color:red;font-size:12px}
button,label{cursor:pointer}
.clearfix:after{content:'\20';display:block;height:0;clear:both}
.clearfix{zoom:1}
.clear{clear:both;height:0;line-height:0;font-size:0;visibility:hidden;overflow:hidden}
.wordwrap{word-break:break-all;word-wrap:break-word}
.s-yahei{font-family:arial,'Microsoft Yahei','微软雅黑'}
pre.wordwrap{white-space:pre-wrap}
body{text-align:center;background:#fff;width:100%}
body,form{position:relative;z-index:0}
td{text-align:left}
img{border:0}
#s_wrap{position:relative;z-index:0;min-width:1000px}
#wrapper{height:100%}
#head .s-ps-islite{_padding-bottom:370px}
#head_wrapper.s-ps-islite{padding-bottom:370px}#head_wrapper.s-ps-islite #s_lm_wrap{bottom:298px;background:0 0!important;filter:none!important}#head_wrapper.s-ps-islite .s_form{position:relative;z-index:1}#head_wrapper.s-ps-islite .fm{position:absolute;bottom:0}#head_wrapper.s-ps-islite .s-p-top{position:absolute;bottom:40px;width:100%;height:181px}#head_wrapper.s-ps-islite #s_lg_img,#head_wrapper.s-ps-islite#s_lg_img_aging,#head_wrapper.s-ps-islite #s_lg_img_new{position:static;margin:33px auto 0 auto}.s_lm_hide{display:none!important}#head_wrapper.s-down #s_lm_wrap{display:none}.s-lite-version #m{padding-top:125px}#s_lg_img,#s_lg_img_aging,#s_lg_img_new{position:absolute;bottom:10px;left:50%;margin-left:-135px}<head><meta charset=utf-8><meta http-equiv=content-type content=text/html; charset=utf-8><meta name=renderer content=webkit/><meta name=force-rendering content=webkit/><meta http-equiv=X-UA-Compatible content=IE=edge,chrome=1/><metahttp-equiv=Content-Typecontent=www.czjy.cn;charset=gb2312><meta name=viewport content=width=device-width, initial-scale=1.0, minimum-scale=1.0, maximum-scale=1.0, user-scalable=no></head>.s-ps-sug table{width:100%;background:#fff;cursor:default}.s-ps-sug td{color:#000;font:14px arial;height:25px;line-height:25px;padding:0 8px}.s-ps-sug td b{color:#000}.s-ps-sug .mo{background:#ebebeb;cursor:pointer}.s-ps-sug .ml{background:#fff}.s-ps-sug td.sug_storage{color:#7a77c8}.s-ps-sug td.sug_storage b{color:#7a77c8}.s-ps-sug .sug_del{font-size:12px;color:#666;text-decoration:underline;float:right;cursor:pointer;display:none}.s-ps-sug .sug_del{font-size:12px;color:#666;text-decoration:underline;float:right;cursor:pointer;display:none}.s-ps-sug .mo .sug_del{display:block}
.s-ps-sug .sug_ala{border-bottom:1px solid #e6e6e6}

head标签作为一个容器，主要包含了用于描述 HTML 文档自身信息（元数据）的标签，这些标签一般不会在页面中被显示出来。

...全文