多任务学习的理论分析与应用

项目名称： 多任务学习的理论分析与应用

项目编号： No.11401076

项目类型： 青年科学基金项目

立项/批准年度： 2014

项目学科： 数理科学和化学

项目作者： 张超

作者单位： 大连理工大学

项目金额： 22万元

中文摘要： 多任务学习是指在一次学习过程中同时完成多个学习任务的方法。相比于传统的单任务学习方法，多任务学习更关注于各个任务之间的相关性，并利用此相关性以更低的运算成本得到更具泛化性的结果。尽管多任务学习方法已经被广泛应用到许多领域，但是其理论分析工作还处于起步阶段并仍有许多问题有待进一步的解决。在本项目中，我们将研究多任务学习过程的泛化界、一致性、收敛率和学习模型的可学习性等。考虑到多任务学习的特性，我们拟将经典的统计学习理论结果推广到向量值函数情形。我们将得到对应于向量值函数的偏差不等式、对称不等式进而求得多任务学习过程的泛化界。我们还将研究向量值函数类复杂度和任务相关性度量，并讨论任务相关性对多任务学习过程的一致性和收敛率的影响。以得到的理论结果为基础，我们将对已有的多任务学习算法模型进行改进。

中文关键词： 多任务学习；范化界；统计学习理论；随机矩阵；机器学习

英文摘要： Multi-task learning is referring to a learning process where multiple learning tasks are achieved simultaneously. Compared to the traditional single-task learning, the multi-task learning performs better at a lower cost by exploiting the relatedness among

英文关键词： multi-task learning；generalization bound；statistical learning theory；random matrix；machine learning