開放環境下的度量學習研究（簡體書）

《開放環境下的度量學習研究》由南京大學人工智能學院副研究員葉翰嘉撰寫，內容榮獲2021年度CCF優秀博士學位論文獎。全書以模型在開放環境下輸入、輸出層面上面臨的挑戰為切入點，提出針對或利用度量學習特性的具體算法，從理論和應用等多個角度使度量學習的研究能夠契合開放的環境。
《開放環境下的度量學習研究》共七章：第1章 緒論，主要介紹了度量學習、開放環境的特點、開放環境的研究進展以及全書的概要。
第2章 度量學習研究進展，首先介紹了監督學習和度量學習；然後講解了三種度量學習的相關算法，包括全域度量學習方法、多度量學習方法、高效度量學習方法；*後介紹了開放環境下度量學習的研究思路。
第3章 開放環境下度量學習的樣本複雜度分析，首先展示了現有的度量學習理論結果，然後提出了基於函數性質的度量學習樣本複雜度的改進方案，以及基於度量重用的度量學習樣本複雜度的改進方案。
第4章 基於度量學習和語義映射的異構模型修正，首先介紹了相關工作；其次介紹了基於度量語義映射的模型重用框架REFORM；然後介紹了實現模型重用框架REFORM的具體方法，包括自適應尺度的REFORM實現方法、學習變換的REFORM實現方法；*後展示了用於驗證的實驗流程和結果。
第5章 多語義環境下的多度量學習方法探究，首先介紹了多度量學習方法的相關工作；其次介紹了考慮多語義的多度量學習方法；然後介紹了多度量自適應選擇框架；*後展示了用於驗證的實驗流程和結果。
第6章 考慮噪聲影響的開放環境魯棒度量學習，首先介紹了相關工作；然後介紹了考慮樣本擾動的魯棒度量學習DRIFT；*後展示了用於驗證的實驗流程和結果。
第7章 總結與展望，總結了全書的研究內容，並對未來的研究方向和研究工作做出了展望。