文献

J-GLOBAL ID：201702246810528563   整理番号：17A1034469

マルチタスク学習における共同スパース正則化のための多変量尺度混合物【Powered by NICT】

Multivariate Scale mixtures for joint sparse regularization in multi-task learning

著者 (2件)： Giri Ritwik (University of California, San Diego, United States of America) ,  Rao Bhaskar D. (University of California, San Diego, United States of America)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICASSP  ページ： 2776-2780  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本論文では,いくつかのタスクに跨って共有学習スパース表現の問題を取り上げて論じた。作業は全タスク間の関連する特徴の共通セットを共有すると言う仮定は非常に限定的になる。これはタスク間に存在する相関構造を学習できる一般化されたモデルを探すへの動機づけとして作用する。前促進結合スパース性として,多変量電力指数スケール混合(M PESM),一般化スケール混合分布を提案し,一般的なマルチタスク学習アルゴリズムの多くで構成される統一フレームワークを導出した。提案した統一モデルはまた,よりロバストなフレームワークをもたらすタスクの間に存在する相関構造を学習する能力を持っている。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 学習アルゴリズム ,  *学習 ,  電力 ,  *透視図法 ,  *正則化 ,  ロバスト性 ,  動機づけ
準シソーラス用語： *マルチタスク ,  混合分布 ,  スパース性 ,  スパース表現 ,  *多変量 ,  *マルチタスク学習 , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： マルチタスク学習 ,  共同 ,  正則化 ,  多変量 ,  尺度 ,  混合物