隨機(jī)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(duì)復(fù)雜數(shù)據(jù)的回歸問題進(jìn)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(jī)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(gè)具有稀疏約束的單任務(wù)機(jī)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(gè)基于隨機(jī)多尺度核的組稀疏多任務(wù)模型來對(duì)傳統(tǒng)的線性多任務(wù)模型進(jìn)行改良.在此基礎(chǔ)上，分析隨機(jī)多尺度核l2，1正則化多任務(wù)模

2、型在運(yùn)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(jī)理，構(gòu)造隨機(jī)多尺度核的生成網(wǎng)絡(luò)多任務(wù)模型并對(duì)殘差的極限問題進(jìn)行研究.
　　隨機(jī)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(gè)預(yù)置的概率分布中隨機(jī)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(yàn)證的技術(shù)計(jì)算得到的.數(shù)據(jù)實(shí)驗(yàn)主要分為單任務(wù)算法與多任務(wù)算法兩個(gè)部分，分別對(duì)模擬數(shù)據(jù)與真實(shí)數(shù)據(jù)數(shù)據(jù)進(jìn)行建模分析，結(jié)果表明隨機(jī)多尺度核方法對(duì)