スカースデータを用いたマルチタスク学習のためのトレースノルム正則化【JST・京大機械翻訳】

Boursier Etienne; Konobeev Mikhail; Flammarion Nicolas

プレプリント

J-GLOBAL ID：202202216224369422 整理番号：22P0289354

スカースデータを用いたマルチタスク学習のためのトレースノルム正則化【JST・京大機械翻訳】

Trace norm regularization for multi-task learning with scarce data

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2022年02月14日プレプリントサーバーでの情報更新日： 2022年06月10日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

マルチタスク学習は,非常に少ないサンプルにもかかわらず,複数のタスク間の構造的類似性を学習する。データ-自動車タスクに適用したニューラルネットワークの最近の成功に動機づけられて,線形低次元共有表現モデルを考察した。広範な文献にもかかわらず,既存の理論的結果は,弱い推定速度を保証し,あるいはタスク当たり多数のサンプルを必要とする。本研究は,タスク当たりのサンプル数が小さいとき,トレースノルム正則化推定器に結合された最初の推定誤差を提供した。学習データ-自動車タスクに対するトレースノルム正則化の利点はメタ学習に拡張し,合成データセット上で経験的に確認された。【JST・京大機械翻訳】

, , , , , , , , ,
, , , , , , 【Automatic Indexing@JST】

人工知能

, , ,

前のページに戻る