基于实例和特征的迁移学习算法研究_戴文渊
基于实例和特征的迁移学习算法研究上海交通大学学位论文原创性声明本人郑重声明:所呈交的学位论文,是本人在导师的指导下,独立进行研究工作所取得的成果。除文中已经注明引用的内容外,本论文不包含任何其他个人或集体已经发表或撰写过的作品成果。对本文的研究做出重要贡献的个人和集体,均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。学位论文作者签名:日期:200年,月6日上海交通大学学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定同意学校保留并向国家有关部门或机构送交论文的复印件和电子版,允许论文被查阅和借阅。本人授权上海交通大学可以将本学位论文的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文保密□,在年解密后适用本授权书。本学位论文属于不保密囝。(请在以上方框内打“√”)学位论文作者签名:指导教师签名:1日期:209年,月日日期,亻年,月,b日上海交通大学学位论文答辨决议书姓名戴文渊学号1060394所在学科计算机应用技术指导教师俞勇答辩2009年1月答辩地点逸夫科技楼311日期16日论文题目基于实例和特征的迁移学习算法研究投票表决结果:555(同意票数/实到委员数应到委员数)答辫结论:回通过口未通过评语和决议:戴文谢的论女对基家例和将而习年译入的研鉴该课题旨右桌砖传纹戒器动限劫布衣器导成眼刺张采明意和有吃作包提了-种基于泉例汪移羽法给生了aAB算回提3-种基特公汪移3方,3因片和受本键技术取場3很山敌果,流文点明方法新颖,结沉正别,反强着己孔家地推第术基础理和相关的去步知议,具级的去从季科研午W彩机答排刷凶滴蕤,回间趣正确浴拜委员会讨(孔记名拨票奉决),-敌其通过硕士怪沉辩被子召丽士209年1月16日职务姓名职称单位签名主席黄林鹏教授上海交通大学答委员辩翁惠玉副教授上海交通大学委委员薛贵荣副教授上海交通大学员会委员张冬茉副教授上海交通大学成员委员俞勇教授上海交通大学签|天姿号委员秘书韩定助理研究员上海交通大学中文摘要基于实例和特征的迁移学习算法研究摘要传统的机器学习假设训练数据与测试数据服从相同的数据分布。然而,在许多情况下,这种同分布假设并不满足。不满足同分布假设的情况往往发生在训练数捃过期,而标注新数据非常昂贵。于是,我们有有了大量的在不同分布下的过期训练数据。完全丢弃这些数据将会是非常浪费的。在这种情况下,迁移学习就变得非常重要了,因为迁移学习可以从现有的数据中迁移知识,用米帮助将米的学习迁移学习( Transfer Learning)的目标是将从个环境中学到的知识用来帮助新环境中的学习仼务。因此,迁移学习不会像传统忛器学习那样作同分布假设。在本文中,我们将会比较全面的回顾迁移学习的整个领域,并且介绍我们在迁移学习领域的近期研究成果。我们的工作可以分为两部分;基于实例的迁移学习和基于特征的迁移学习。我们将会展示出,基于实例的迁移学习有更强的知识迁移能力,而基于特征的迁移学习具有更广泛的知识迁移能力。这两种方法各有千秋。我们介绍了两种迁移学习方法,分别基于 boosting技术和特征翻译。这两种算法分别对应基于实例的迁移学习和基于特征的迁移学习。我们通过非常全面的实验来证明我们的方法在迁移学习时候能够很大幅度提高很多现有的学习算法,无论是近迁移还是远迁移关键词:迁移学习、实例、特征英文摘要Instance-based and Feature-based Transfer LearningABSTRACTTraditional machine learning techniques make a basic assumption that the training andtest data should be under the same distributions. However, in many cases, this identicaldistribution assumption docs not hold. The violation of thc assumption might happen whenthe training data are out of date, but new data are expensive to label. This leaves plenty oflabeled examples that are under a similar but different distribution which is a waste throwaway entirely. In this situation, transfer learning becomes important to take the role of leveraging these existing data knowledgeTransfer learning aims at using learned knowledge from one context to benefit fur-ther learning tasks in other contexts. Thus, transfer learning does not make the identical-distribution assumption as tractional machine learning algorithms. In this thesis, we broadreview the whole field of transfer learning and then introduce our recent work on transferlearning accordingly. Our work can be divided into two parts: instance-based transfer learning, and feature-based transfer learning. We will show that instance-based transfer learninghas better strength in knowledge transferring, while feature-based transfer learning is withmore gerWe present two transfer learning algorithms based on boosting technique and featuretranslation respectively. These two algorithms corresponds to instance-based and featurebased transfer learning. Our extensive experiments show that our algorithms can greatlyimprove several state-of-the-art algorithms in the situation of transfer learning, includingnear transfer and far transferKEY WORDS: Transfer Learning, Instance, Feature目录目录摘要ABSTRACT(英文摘要)第一章绪论第二章迁移学习领域的研究现状2.1多任务学习.22跨领域学习23不同数据分布下的学习24其他迁移学习问题25迁移学习的应用4555678第三章基于实例的迁移学习算法研究3.1基于 Boosting的迁移学习算法3.1.1基本思想.3.1.2问题定义103.1.3 TrAdaboost算法描述..123.2 TrAdaboost算法的理论分析.14321基本符号143.2.2辅助训练数据上的错误率...:.···153.2.3源训练数据上的错误率,,203.3实验分析:··..··:·.:·.:···:·:·:·:······:213.3.1数据描述..22332实验结果23第四章基于特征的迁移学习算法研究254.1基于特征翻译的迁移学习算法4.1.1翻译学习框架274.1.1.1问题定义····‘·274.1.1.2风险最小化框架.41.1.3模型估计.··2941.14翻译器o304,2实验分析324.2.1实验数据酯鲁鲁D着着·,,·,,音唐鲁帝着争324.2.2比较方法324.2.3实验结果··········:····:..:.::.:::33第五章总结与展望35参考文献致谢4·,个人简历、在学期间的研究成果及发表的论文春,音42插图插图1-1日常生活中的迁移学习例子3-1关于 TrAdaboost算法基木思想的一个直观的示例。3-2 TrAdaboost算法的机制123-3一个关于数据生成的示例223-4三种算法在 people vs places数据集上的效果243-5 TrAdaBoost算法在 people vs places数据集上的达代曲线244-1一个直观的例子,用来说明六中学习策略的异同264-2共同出现数据的例子:Flickr(http://www.flickrcom/)74-3在12个数据集上的平均错误率3444对于不同的入, TLRLSK在12个数据集上的平均错误率34表格表格3.120 Newsgroups数据分布的描述2232SRAA数据分布的描述2333当只有1%的源数据是训练数据时的分类错误率4.1文本辅助图像分类的数据描述3
- 2021-05-06下载
- 积分：1
遨博六自由度机械臂使用手册
遨博六自由度机械臂的厂家配套用户使用手册，内含机械臂工作原理和示教器使用教程。遨博(北京)智能科技有限公司AUBO(Beijing Robotics Technology Co, LtdAUBO Robotics用户手册此版本用户手册对应产品版本信息请见本手册版本信息章节,使用前请仔细核对实际产品版本信息,确保一致。AUBO用户手册会定期进行检查和修正,更新后的内容将出现在新版本中。本手册中的内容或信息如有变更,恕不另行通知。遨博(北京)智能科技有限公司对木手册中可能岀现的任何错误概不负责。遨博(北京)智能科技有限公司对因使用本手册及其中所述产品而引起的意外或间接伤害概不负责安装、使用户宀品前,请阅读本手册请保管好本于册,以便可以随时阅读和参考本说明书图片仅供参考,请以收到的实物为准Copyright c2015-2018AUB0保留所有权利本资料为遨博(北京〕智能科技有限公司专有之财产,非经书面许可,不准透露或使用本资料,亦不准复印、复制或转变为任何其他形式使用。AUBO目录前言产品组成更多信息第章安全1.1简介1.2交全警示标志1.3安全注意事项1.3.1概述1.3.2使用须知13.3人员安全1.4责任及规范1.5危险识别16预定用途1.7紧急情况处理17.1紧急停止装冒1.7,2从紧急状态恢复17.3强制关节的紧急移动1.7.4机械臂过大力安全保护第章搬运及注意事项第章维护维修及废弃处置3.,1维护维修3.2废弃处置第章质量保证4.1产品质量保证4.2免责声明第章机器人硬件组成第章机器人安装6.1简要安装步骤6.2重要安全说明6.3机器人工作空间63.1机器人机械尺寸6.3.2机器人运动范围6.4安装机器人保留所有权利。目录内测版AUBO64.1底座6.4.2安装机器人本体6.5安装末端工具6.5.1木端法兰机械结构尺寸第章使用入门7.1安装7.1.1安装机器人71.2电缆连接72机器人上电72.1上电前准备7.2.2系统上电7.3机器人关机第章系列标准控制柜8.1简介8.2电气警告和小心事项83系列标准控制柜电气接8.3.1简介83.2安全8.32.1默认安全配置8.3,2.2外部紧急停止输入8.32.3防护停止输入83.24缩减模式输入8.3,2.5防护重置输入8.3.2.6三态开关输入8.3.27操作模式输入8.3.2.8拖动示教使能输入83.29系统停止输入8.3,2.10系统紧急停止输出8.32.11机器人运动输出8.32.12机器人未停止输出8.3.2.13缩减模式输出83.2.14非缩减模式输出83,2.15系统错误输出8.3.3控制柜内部83.4通用输入输出电气接口83.5工具木端接口83.6通信接口84使用入门84.1安全84.2使用前注意事项8.4.3控制柜面板介绍目录内测版)保留所有权利。AUBO84.4手动模式和联动模式844.1手动模式8442联动模式844.3示教器使能开关第章示教器简介9,1打廾小教器电源9.2关闭示教器第章示教器操作界面10.1坐标系10.1.1基坐标系()10.1.2末端坐标系(10.2初始界面10.3机器人小教面板10.3.1软件关闭按钮10.3.2面板选择10.3.3机器人仿真界面10.3.4机器人仿真切换按钮10.3.5步进控制10.3.6位置控制10.3.7机器人实时状态参数显示10.3.8姿态控制10.39关节轴控制10.3.10零位姿态、初始位姿10.3.11运动速度04设置面板104.1控制器设置10.4,2用户设置104.3工其端设置10.5外设设备10.6安装设置面板10.6.1初始位姿标定10.6.2工具标定10.62.1工具运动学标定106.2.2工具动力学标定10.6.23工具标定10.6.3坐标系标定10.6.4安全设置10.7机器人系统设置10.7.语言设置10.7.2时间设冒10.7.3网络设置保留所有权利。目录内测版AUBO10.7.4密码设置10.7.5锁屏时间设置10.7.6刷新10.8状态日志面板10.9版本信息第章在线编程111简介11.2工程11.2.1新建工程112.2加载工程11.2.3保存工程11.2.4默认工程11.2.5白动移动和手动移动11.2.6过程11.3条件选项卡11.3.1命令11.3.2命令11.3.3命令11.34If.lse命令11.3.5命令113.6命令11.3.7命令11.3.8命令l1.3.9命令11.3.10命令11.3.11命令l1.3.12命令11.3.13命令11.3.14命令113.15命令11.3.16命令11.3.17命令11.3.18命令11.3.19命令114外设命令11.5记录轨迹11.6变量配置117定时器11.8仿真模型11.9脚本文件配置目录内测版)保留所有权利。AUBO附录术语认证与检测停止时间和停止距离参照标准技术规格有效负载机械臂安装要求报警信息及常规问题说明保留所有权利。目录内测版AUBO目录内测版)保留所有权利。
- 2021-05-07下载
- 积分：1
