交差学習によるマルチタスク教師付き学習【JST・京大機械翻訳】

Cervino Juan; Bazerque Juan Andres; Calvo-Fullana Miguel; Ribeiro Alejandro

プレプリント

J-GLOBAL ID：202202220253676218 整理番号：21P0056643

交差学習によるマルチタスク教師付き学習【JST・京大機械翻訳】

Multi-task Supervised Learning via Cross-learning

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 (4件)： , , ,
資料名：
発行年： 2020年10月24日プレプリントサーバーでの情報更新日： 2021年05月26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)

本論文では,異なるタスクを解くために意図された分類器または回帰関数の集合をフィッティングすることから成る,マルチタスク学習として知られている問題を考察した。著者らの新しい定式化では,これらの関数のパラメータを結合するので,それらのタスク特異的ドメインで学習し,互いに近接する。これは,異なるドメインで集めたデータが,互いに学習性能を改善するのを助ける。最初に,提案した交差学習戦略の利点に関するいくつかの洞察を得るために,目標が2つのGauss変数の手段を推定するための単純化ケースを提示した。次に,一般的損失関数上で交差学習を行う確率的投影勾配アルゴリズムを提供した。パラメータ数が大きいならば,投影ステップは計算的に高価になる。この状況を避けるため,著者らは二重問題の構造を利用する一次二重アルゴリズムを導き,その複雑性がタスクの数だけに依存する定式化を達成した。異なるドメインで分割されたデータセット上で訓練されたニューラルネットワークによる画像分類のための予備数値実験は,交差学習関数がタスク仕様とコンセンサスアプローチの両方より優れていることを確証した。【JST・京大機械翻訳】

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

人工知能

, , ,

前のページに戻る