叶翰嘉，现任南京大学人工智能学院副研究员，在南京大学机器学习与数据挖掘研究所（LAMDA）从事学术研究工作。主要研究方向包括表示学习、元学习、模型复用等，相关研究成果已经被用于开放环境系统、小样本系统等实际场景。在人工智能、机器学习领域以首作者身份发表学术论文20余篇：担任多个国内外学术期刊和会议的审稿人；曾获2021年度CCF优秀博士学位论文奖、江苏省计算机学会青年科技奖。

丛书序
推荐序Ⅰ
推荐序Ⅱ
导师序
摘要
ABSTRAC
插图索引
表格索引

第1章 绪论
1．1 引言
1．2 度量学习简介
1．3 开放环境的特点
1．4 开放环境的研究进展
1．5 本书概要

第2章 度量学习研究进展
2．1 监督学习
2．2 度量学习
2．2．1 距离度量
2．2．2 度量学习的学习目标
2．2．3 度量学习算法评测
2．3 度量学习的相关算法
2．3．1 全局度量学习方法
2．3．2 多度量学习方法
2．3．3 高效度量学习方法
2．4 开放环境下度量学习的研究思路

第3章 开放环境下度量学习的样本复杂度分析
3．1 引言
3．2 现有的度量学习理论结果
3．3 基于函数性质的度量学习样本复杂度改进
3．3．1 基本定义
3．3．2 主要结论及讨论
3．4 基于度量重用的度量学习样本复杂度改进
3．5 实验验证
3．6 本章小结
……

第4章 基于度量学习和语义映射的异构模型修正
第5章 多语义环境下的多度量学习方法探究
第6章 考虑噪声影响的开放环境鲁棒
第7章 总结与展望

参考文献
致谢
从书跋