自步多任务学习
机器学习
2017-04-04 v2
摘要
本文提出一种新颖的多任务学习（multi-task learning, MTL）框架，称为自步多任务学习（Self-Paced Multi-Task Learning, SPMTL）。与以往训练时平等对待所有任务和样本的工作不同，SPMTL 试图通过同时考虑任务和样本的复杂度来联合学习这些任务。这受人类大脑常从易到难学习的认知过程启发。我们通过提出一种新的面向任务的正则化器来构建紧凑的 SPMTL 公式，该正则化器能联合优先处理任务和样本。因此可将其解释为 MTL 的自步学习器。设计了一种简单而有效的算法来优化所提出的目标函数。还对简化公式的误差界进行了理论分析。在玩具和真实世界数据集上的实验结果表明，与最先进（state-of-the-art）方法相比，所提方法的有效性。
引用
@article{arxiv.1604.01474,
title = {Self-Paced Multi-Task Learning},
author = {Changsheng Li and Junchi Yan and Fan Wei and Weishan Dong and Qingshan Liu and Hongyuan Zha},
journal= {arXiv preprint arXiv:1604.01474},
year = {2017}
}