文献

J-GLOBAL ID：201702232248748468   整理番号：17A0213921

ROM:ロバストなオンラインマルチタスク学習アプローチ【Powered by NICT】

ROM: A Robust Online Multi-task Learning Approach

著者 (5件)： Zhang Chi ,  Zhao Peilin ,  Hao Shuji ,  Soh Yeng Chai ,  Lee Bu Sung
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： ICDM  ページ： 1341-1346  発行年： 2016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： 一連のオンラインマルチタスク学習(OMTL)アルゴリズムのは高価な訓練コストと近年の伝統的バッチマルチタスク学習(MTL)アルゴリズムの貧弱な適応性を避けるために提案されている。しかし,これらOMTLアルゴリズムは,通常,すべてのタスクが密接に関連していると仮定し,これは実用的なシナリオでない可能性がある。より重要なことは,それらの理論的信頼性は,累積後悔の証明の欠如のために弱くなった。これらの限界を克服するために,著者らは,ロバストなオンラインマルチタスク分類フレームワーク(ROM)とその二つの最適化アルゴリズム(ROM PGD, ROM RDA)を提案した。提案したアルゴリズムは,自動的に全てのタスク間の共通の特徴と各タスクのための個々の特徴を捉える,異常値タスクの存在の可能性を同定するだけでない。理論的には,これらの二つのアルゴリズムの後悔限界は後知恵における最良分離アルゴリズムと比較して準線形ことを証明した。最新OMTLアルゴリズムと比較した場合,人工的および実世界データセットの両者の上で経験的研究は,著者らの提案したアルゴリズムの有効性を示した。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： 線形性 ,  アルゴリズム ,  *ロバスト性 ,  ロット ,  適応性 ,  異常値 ,  信頼性
準シソーラス用語： 最適アルゴリズム ,  *マルチタスク学習 ,  *オンライン , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： ROM ,  ロバスト ,  オンライン ,  マルチタスク学習