资料下载
×
基于权重矩阵分解的在线多任务学习算法
消耗积分:0 |
格式:pdf |
大小:1.96 MB |
2021-06-08
分享资料个
在线多任务学习（MTL）算法大多利用单个权重矩阵约束任务相关性，且该约東较为严格，在实践中难为此，提出一种改算法，通过将权重矩阵分解为2个子矩阵来克服上述约第迹-范数正规化，获得低秩相关结构。利用正规化项对第2个子矩阵进行个性化任务的群确定个性化模用投影梯度算法对子矩阵应学习并获得最优解。实表明，该算法相对于最优性后验模型可实现次线性遗憾，其预测精速度优于TRML圾邮件数据集上的累差率可降至4.97%
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
