隨機多尺度核學(xué)習(xí)及應(yīng)用.pdf

1、本文提出了一種簡單的多核學(xué)習(xí)框架，用于對復(fù)雜數(shù)據(jù)的回歸問題進行建模.選取多尺度的高斯核函數(shù)作為基本內(nèi)核，根據(jù)隨機配置的方法設(shè)置核尺度參數(shù).結(jié)合l1正則化方法，利用樣本自適應(yīng)地選擇最優(yōu)的模型參數(shù)，構(gòu)造一個具有稀疏約束的單任務(wù)機器學(xué)習(xí)解決方法.之后拓展該多核學(xué)習(xí)框架于多任務(wù)學(xué)習(xí)模型，采用經(jīng)典的l2，1多任務(wù)正則化方法提出一個基于隨機多尺度核的組稀疏多任務(wù)模型來對傳統(tǒng)的線性多任務(wù)模型進行改良.在此基礎(chǔ)上，分析隨機多尺度核l2，1正則化多任務(wù)模

2、型在運算效率等方面的缺陷，分析共享隱層神經(jīng)元網(wǎng)絡(luò)的多任務(wù)方法與生成網(wǎng)絡(luò)的內(nèi)在機理，構(gòu)造隨機多尺度核的生成網(wǎng)絡(luò)多任務(wù)模型并對殘差的極限問題進行研究.
　　隨機設(shè)置核參數(shù)的方法所提供的基函數(shù)具有充分的近似能力，參數(shù)通過在某個預(yù)置的概率分布中隨機抽樣取得，概率分布參數(shù)與核參數(shù)是通過在訓(xùn)練樣本中執(zhí)行交叉驗證的技術(shù)計算得到的.數(shù)據(jù)實驗主要分為單任務(wù)算法與多任務(wù)算法兩個部分，分別對模擬數(shù)據(jù)與真實數(shù)據(jù)數(shù)據(jù)進行建模分析，結(jié)果表明隨機多尺度核方法對