多任务学习(Multitask-Learning)相关资料、经典论文、开源代码整理分享

2019 年 10 月 22 日 深度学习与NLP

    本文整理了多任务学习领域相关资料,包括代表性学者主页、论文、综述、最新文集和开源代码等等。

    资源整理自网络,源地址:https://github.com/mbs0221/Multitask-Learning

    

    带链接版资源下载地址:

    链接: https://pan.baidu.com/s/1QfS3Vdcw1CZ-kzhx8ohp1Q 

    提取码: n4ug 


学者主页

    oMassimiliano Pontil - UCL

    oYu Zhang (张宇) - HKUST

    oTong Zhang (张潼)- Tencent AI Lab

    oFuzhen Zhuang (庄福振)

    oLei Han's Homepage

    oPattern Recognition & Neural Computing Group - NUAA

    oFei Sha University of Southern California

    oDr Xiaojun Chang – Faculty of Information Technology – Monash University

    oYu-Gang Jiang Prof.

    oZhuoliang Kang Ph.D student, Computer Science, USC

    oShiliang Sun’s Home Page

    oDr. Timothy Hospedales

    oML^2 @ UCF

    oElisa Ricci

    oGjorgji Strezoski

    oMachine Learning with Interdependent and Non-identically Distributed Data

    oSFU Machine Learning Reading Group


Github代码

    oLogistic Regression

    Multi-task logistic regression in brain-computer interfaces

    oBayesian Methods

    Kernelized Bayesian Multitask Learning

    Parametric Bayesian multi-task learning for modeling biomarker trajectories

    Bayesian Multitask Multiple Kernel Learning

    oGaussian Process

    Multi-task Gaussian process (MTGP)

    Gaussian process multi-task learning

    oSparse & Low Rank Methods

    Asymmetric Multi-Task Learning

    Hierarchical_Multi_Task_Learning

    Asynchronous Multi-Task Learning

    HMTL: Hierarchical Multi-Task Learning

    Multi-task feature learning

    Multiplicative MultiTask Feature Learning (MMTFL)

    Learning Incoherent Sparse and Low-Rank Patterns from Multiple Tasks

    Variable Selection and Task Grouping for Multi-Task Learning (VSTG-MTL)

    Calibrated Multi-Task Learning Based on Non-convex Low Rank

    Multi-task_Survival_Analysis

    A Multi-Task Learning Formulation for Survival Analysis

    oFederated Multi-Task Learning

    oOnline Learning

    Online Multi-Task Learning Toolkit (OMT) v1.0

    oReinforcement Learning

    Robust-Multitask-Reinforcement Learning

    oPackage & Toolbox

    MALSAR: Multi-task learning via Structural Regularization

    MALSAR package Version 1.1

    Multi Task Learning Package for Matlab

    Package to apply MTL on a few dataset

    Matlab MultiClass MultiTask Learning (MCMTL) toolbox

    Personalized Multitask Learning


经典论文

    oMultitask Learning

    oAn overview of multi-task learning

    oA brief review on multi-task learning

    oMulti-task feature learning by using trace norm regularization

    oMulti-Task Clustering with Model Relation Learning

    oOnline Multitask Learning

    oOnline multitask relative similarity learning

    oNew Directions in Transfer and Multi-Task: Learning Across Domains and Tasks


Arxiv论文

    oA Survey on Multi-Task Learning

    oSelf-Paced Multi-Task Clustering

    oModel-Protected Multi-Task Learning


开源资源

    oTask Sensitive Feature Exploration and Learning for Multi-Task Graph Classification

    oBMTMKL: Bayesian Multitask Multiple Kernel Learning

    oMultitask Learning / Domain Adaptation

    oMultitask Kernel Methods

    oMultitask Deep Learning


工具包

    oMulti-Task Learning: Theory, Algorithms, and Applications

    oAn Tutorial for Regularized Multi-task Learning using the package RMTL

    oSparseMTL Toolbox

    oProbabilistic Machine Learning


Multilabel学习

    •KEEL-dataset repository


凸优化

    •EE364a: Convex Optimization I Professor Stephen Boyd, Stanford University

    •EE227BT: Convex Optimization  —  Fall 2013

    •CRAN - Package ADMM

往期精品内容推荐

期待AI也能实现如此强大功能 - 史上最强solo一键换装

首次公开:阿里年薪60万+的大数据开发全套教程,限时下载

斯坦福NLP组-2019-《CS224n: NLP与深度学习》-分享

免费自然语言处理(NLP)课程及教材分享

斯坦福NLP组-2019-《CS224n: NLP与深度学习》-分享

BERT-基于双向Transformer预训练模型原理详解

UC Berkeley《人工智能基础-2018》课程及视频教程(带中英文字幕)分享

Hinton-符号AI与深度学习区别

免费教材-《数据科学基础-2018》最新版下载

吴恩达 - 如何规划机器学习职业生涯

Geffery Hinton-数字代表模型从数据中抽取的知识、AI不会有寒冬

深度学习与计算机视觉任务应用综述

扫描下方二维码可以订阅哦!

DeepLearning_NLP

深度学习与NLP

       商务合作请联系微信号:lqfarmerlq

登录查看更多
45

相关内容

多任务学习(MTL)是机器学习的一个子领域,可以同时解决多个学习任务,同时利用各个任务之间的共性和差异。与单独训练模型相比,这可以提高特定任务模型的学习效率和预测准确性。多任务学习是归纳传递的一种方法,它通过将相关任务的训练信号中包含的域信息用作归纳偏差来提高泛化能力。通过使用共享表示形式并行学习任务来实现,每个任务所学的知识可以帮助更好地学习其它任务。
专知会员服务
59+阅读 · 2020年3月19日
100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
专知会员服务
161+阅读 · 2020年3月18日
专知会员服务
109+阅读 · 2020年3月12日
近期必读的5篇 CVPR 2019【图卷积网络】相关论文和代码
专知会员服务
32+阅读 · 2020年1月10日
【推荐系统/计算广告/机器学习/CTR预估资料汇总】
专知会员服务
86+阅读 · 2019年10月21日
【深度学习视频分析/多模态学习资源大列表】
专知会员服务
90+阅读 · 2019年10月16日
机器学习相关资源(框架、库、软件)大列表
专知会员服务
37+阅读 · 2019年10月9日
【资源】领域自适应相关论文、代码分享
专知
30+阅读 · 2019年10月12日
元学习(Meta Learning)最全论文、视频、书籍资源整理
深度学习与NLP
22+阅读 · 2019年6月20日
CVPR2019年热门论文及开源代码分享
深度学习与NLP
7+阅读 · 2019年6月3日
CVPR 2019 论文开源项目合集
专知
18+阅读 · 2019年4月7日
【代码集合】深度强化学习Pytorch实现集锦
机器学习算法与Python学习
8+阅读 · 2018年10月23日
计算机视觉领域顶会CVPR 2018 接受论文列表
半监督多任务学习:Semisupervised Multitask Learning
我爱读PAMI
18+阅读 · 2018年4月29日
干货 | 深度学习论文汇总
AI科技评论
4+阅读 · 2018年1月1日
A Survey on Deep Learning for Named Entity Recognition
Arxiv
25+阅读 · 2020年3月13日
Arxiv
34+阅读 · 2020年1月2日
Arxiv
21+阅读 · 2018年8月30日
Efficient and Effective $L_0$ Feature Selection
Arxiv
5+阅读 · 2018年8月7日
Arxiv
19+阅读 · 2018年3月28日
Arxiv
15+阅读 · 2018年2月4日
VIP会员
相关VIP内容
专知会员服务
59+阅读 · 2020年3月19日
100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
专知会员服务
161+阅读 · 2020年3月18日
专知会员服务
109+阅读 · 2020年3月12日
近期必读的5篇 CVPR 2019【图卷积网络】相关论文和代码
专知会员服务
32+阅读 · 2020年1月10日
【推荐系统/计算广告/机器学习/CTR预估资料汇总】
专知会员服务
86+阅读 · 2019年10月21日
【深度学习视频分析/多模态学习资源大列表】
专知会员服务
90+阅读 · 2019年10月16日
机器学习相关资源(框架、库、软件)大列表
专知会员服务
37+阅读 · 2019年10月9日
相关资讯
【资源】领域自适应相关论文、代码分享
专知
30+阅读 · 2019年10月12日
元学习(Meta Learning)最全论文、视频、书籍资源整理
深度学习与NLP
22+阅读 · 2019年6月20日
CVPR2019年热门论文及开源代码分享
深度学习与NLP
7+阅读 · 2019年6月3日
CVPR 2019 论文开源项目合集
专知
18+阅读 · 2019年4月7日
【代码集合】深度强化学习Pytorch实现集锦
机器学习算法与Python学习
8+阅读 · 2018年10月23日
计算机视觉领域顶会CVPR 2018 接受论文列表
半监督多任务学习:Semisupervised Multitask Learning
我爱读PAMI
18+阅读 · 2018年4月29日
干货 | 深度学习论文汇总
AI科技评论
4+阅读 · 2018年1月1日
Top
微信扫码咨询专知VIP会员