2023年全國(guó)碩士研究生考試考研英語(yǔ)一試題真題(含答案詳解+作文范文)_第1頁(yè)
已閱讀1頁(yè),還剩102頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、多任務(wù)學(xué)習(xí)是指通過同時(shí)學(xué)習(xí)多個(gè)任務(wù)來提升算法的泛化性能??傮w來說,現(xiàn)有最新的多任務(wù)學(xué)習(xí)算法主要是都通過挖掘任務(wù)聚類和異常任務(wù)的方式,來提升算法的理論和實(shí)際性能。本文將著重研究在上述兩種假設(shè)條件下的多任務(wù)學(xué)習(xí)算法。
  首先,考慮在未知任務(wù)聚類結(jié)構(gòu)未知的條件下,本文提出了一種靈活的多任務(wù)學(xué)習(xí)算法來實(shí)現(xiàn)子空間的任務(wù)聚類。具體來說,通過采用滿秩的子空間矩陣,并對(duì)表示矩陣使用組稀疏和正交約束,使得目標(biāo)模型仍然位于某個(gè)由自動(dòng)選定的基任務(wù)所生

2、成的低維子空間中。最終的優(yōu)化目標(biāo)被表示為對(duì)于子空間和目標(biāo)模型的聯(lián)合優(yōu)化函數(shù)。除了提供算法的理論分析和證明外,與多個(gè)優(yōu)秀算法的比較實(shí)驗(yàn)也證明了該方法的有效性和高效性。
  其次,考慮同時(shí)存在任務(wù)聚類和異常任務(wù)情況下,本文提出了一種魯棒的多任務(wù)學(xué)習(xí)算法。與通常采用分解方式的魯棒多任務(wù)學(xué)習(xí)算法不同,本文直接對(duì)目標(biāo)模型采用了混合e11/e21范數(shù)的正則化項(xiàng),并將優(yōu)化目標(biāo)表示為一個(gè)無約束的非平滑凸優(yōu)化問題。為了可以更有效地求解目標(biāo)函數(shù),本文

3、針對(duì)上述模型提出了兩種優(yōu)化策略:重加權(quán)最小二乘法和加速近端梯度下降算法。嚴(yán)格的泛化性能分析和大量的實(shí)驗(yàn)證明了算法的有效性。
  最后,本文將多任務(wù)學(xué)習(xí)算法應(yīng)用于區(qū)分細(xì)分子類的細(xì)粒度圖像分類問題。通過將每個(gè)類的分類器學(xué)習(xí)看成是多任務(wù)學(xué)習(xí)的一個(gè)任務(wù),多類分類分類器的學(xué)習(xí)就可以轉(zhuǎn)化為同時(shí)訓(xùn)練多個(gè)分類器的多任務(wù)學(xué)習(xí)問題。為了能夠同時(shí)自動(dòng)地發(fā)現(xiàn)相似類別的聚類和異常類別,本文提出使用混合e11/e21范數(shù)正則化的分類問題,并證明可以通過迭代優(yōu)

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論