基于深度高斯过程的非线性多任务学习
机器学习
2020-02-25 v2 机器学习
摘要
我们通过潜过程的非线性混合，提出了深度高斯过程（DGPs）的多任务学习公式。潜空间由捕获任务内信息的私有过程与捕获跨任务依赖的共享过程组成。我们提出了两种分割潜空间的方法：通过硬编码共享与任务特定过程，或通过带自动相关性确定（Automatic Relevance Determination）核的软共享。我们表明，我们的公式能够提升学习性能并在任务间传递信息，在真实世界与基准设定下优于其他概率多任务学习模型。
引用
@article{arxiv.1905.12407,
title = {Non-linear Multitask Learning with Deep Gaussian Processes},
author = {Ayman Boustati and Theodoros Damoulas and Richard S. Savage},
journal= {arXiv preprint arXiv:1905.12407},
year = {2020}
}