具有层次化隐交互的多任务高斯过程
机器学习
2021-10-05 v7 数据结构与算法
机器学习
摘要
多任务高斯过程(MTGP)对于联合学习具有复杂相关模式的多个任务十分强大。然而，由于加性独立隐函数的组装，当前所有MTGP(包括显著的线性共区域化(LMC)模型与卷积框架)均无法有效表示并学习其隐函数之间的层次化隐交互。本文进一步研究MTGP中LMC的交互，进而提出一种层次化交互的新核表示，改善了MTGP的表达能力与可解释性。具体而言，我们将交互表示为函数交互与系数交互之乘积。函数交互通过隐函数的交叉卷积建模。LMC之间的系数交互被描述为一个交叉共区域化项。我们验证了考虑交互可促进MTGP中的知识迁移，并在合成与真实数据集上将我们的方法与若干最先进的MTGP进行比较。
引用
@article{arxiv.1808.01132,
title = {Multitask Gaussian Process with Hierarchical Latent Interactions},
author = {Kai Chen and Twan van Laarhoven and Elena Marchiori and Feng Yin and Shuguang Cui},
journal= {arXiv preprint arXiv:1808.01132},
year = {2021}
}
备注
7 pages, 17 figures. arXiv admin note: text overlap with arXiv:1808.02266