《机器学习》赵卫东学习笔记 第12章高级深度学习（课后习题及答案）

1 目标检测与追踪中的运动目标如何合理地表示？

目标检测和追踪需要注意运动目标的表示，例如对其视觉特征进行建模，并采用相似性度量来对帧图像进行匹配，在追踪过程中需要处理大量冗余信息，采用搜索算法缩小比较范围。为了合理地表示运动目标，首先要获取目标的初始状态并且提取目标的特征，在此基础上构建目标描述模型，模型可分为生成式模型和判别式模型。生产式方法运用生成模型描述目标的表现特征，之后通过搜索候选目标来最小化重构误差。判别式方法通过训练分类器来区分目标和背景。

2 举例说明R-CNN的应用。

R-CNN可以用于目标检测、图像识别、检索和分类。R-CNN可以应用在车辆目标检测，食品图像检索和分类，手势识别，植物关键器官识别，人体行为检测等具体的应用场景中。

3 简述O-学习的基本过程。

Q-学习是让主体从一个状态到另一个状态不断转换进行探索学习。主体的每一次探索都会从初始状态到目标状态，相当于一次迭代，训练越多，学到的东西越多。初始时会将所有状态-行动组合的Q-值初始化为0，将状态奖励值设置为初始值，主体会探索很多状态直至发现一个奖励，因此会对训练Q-函数限制一个训练长度，或者限制训练直到达到某些状态。保证主体不会卡在无用状态的学习中，避免不管做多少次迭代都无法得到有用的奖励值。

4 迁移学习解决什么问题？

主要解决两个问题：小数据的问题。比方说新开一个网店，卖一种新的糕点，没有任何的数据，就无法建立模型对用户进行推荐。但用户买一个东西会反应到用户可能还会买另外一个东西，所以如果知道用户在另外一个领域，比方说买饮料，已经有了比较多的数据，利用这些数据建一个模型，结合用户买饮料的习惯和买糕点的习惯的关联，就可以把饮料的推荐模型给成功地迁移到糕点的领域，这样在数据不多的情况下可以成功推荐一些用户可能喜欢的糕点。这个例子说明，假设有两个领域，一个领域已经有很多的数据，能成功地建一个模型，有一个领域数据不多，但是和前面那个领域是关联的，就可以把那个模型给迁移过来；个性化的问题。比如每个人都希望自己的手机能够记住一些习惯，这样不用每次都去设定它，怎么才能让手机记住这一点呢？其实可以通过迁移学习把一个通用的用户使用手机的模型迁移到个性化的数据上面。

5 强化学习的基本思想是什么？

强化学习是目标导向的，从白纸一张的状态开始，经由许多个步骤来实现某一个维度上的目标最大化。就是在训练的过程中不断尝试，错误就惩罚，正确就奖励，由此训练得到的模型在各个状态环境下都最好。

1. 迁移学习常用的方法有哪些？
   迁移学习的实现方法包括基于样本的迁移学习、基于特征的迁移学习、基于模型的迁移学习、基于关系知识的迁移等，一般来说，前三种方法具有更广泛的知识迁移能力。基于关系的迁移具有广泛的学习与扩展能力。
2. 讨论生成对抗模型的组成。

生成对抗网络由一个生成网络与一个判别网络组成。生成对抗网络的实现方法是让生成模型和判别模型进行博弈，训练过程通过相互博弈使用两个模型的性能同时增强。生成模型需要在整个条件内去产生数据的分布，就像高斯分布一样，它需要去拟合整个分布。判别模型就像分类一样，有一个判别界限，通过这个判别界限去区分样本。