会员服务
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。

精品内容

【阿姆斯特丹博士论文】缓解多任务学习中的偏差
【阿姆斯特丹博士论文】缓解多任务学习中的偏差
专知会员服务
20+阅读 · 11月1日
释放多任务学习的力量：涵盖传统、深度和预训练基础模型时代的综述
释放多任务学习的力量：涵盖传统、深度和预训练基础模型时代的综述
专知会员服务
28+阅读 · 5月2日
【NeurIPS 2023】基于时间注意力的多任务强化学习对比模块
【NeurIPS 2023】基于时间注意力的多任务强化学习对比模块
专知会员服务
32+阅读 · 2023年11月5日
【NeurIPS2023】MultiModN:多模态，多任务，可解释的模块化网络
【NeurIPS2023】MultiModN:多模态，多任务，可解释的模块化网络
专知会员服务
38+阅读 · 2023年9月27日
【CMU博士论文】在资源受限的情境下探索语言结构化预测, 228页pdf
【CMU博士论文】在资源受限的情境下探索语言结构化预测, 228页pdf
专知会员服务
24+阅读 · 2023年8月5日
【牛津大学博士论文】深度多任务学习的极简主义方法，229页pdf
【牛津大学博士论文】深度多任务学习的极简主义方法，229页pdf
专知会员服务
42+阅读 · 2023年6月12日
遥感跨模态智能解译：模型、数据与应用
遥感跨模态智能解译：模型、数据与应用
专知会员服务
79+阅读 · 2023年6月4日
【CMU博士论文】《多任务环境下的学习原则：概率论的视角》
【CMU博士论文】《多任务环境下的学习原则：概率论的视角》
专知会员服务
29+阅读 · 2022年9月23日
【博士论文】多任务学习视觉场景理解，140页pdf
【博士论文】多任务学习视觉场景理解，140页pdf
专知会员服务
90+阅读 · 2022年4月5日
南京大学医学院最新《Transformer医学图像处理应用》综述论文，涵盖120多种Transformers方法及在医疗临床应用
南京大学医学院最新《Transformer医学图像处理应用》综述论文，涵盖120多种Transformers方法及在医疗临床应用
专知会员服务
122+阅读 · 2022年3月4日
【AAAI2022】多任务推荐中的跨任务知识提炼
【AAAI2022】多任务推荐中的跨任务知识提炼
专知会员服务
24+阅读 · 2022年2月22日
【AAAI2022】通过多任务学习改进证据深度学习
【AAAI2022】通过多任务学习改进证据深度学习
专知会员服务
19+阅读 · 2021年12月21日
【NeurIPS2021】序一致因果图的多任务学习
【NeurIPS2021】序一致因果图的多任务学习
专知会员服务
19+阅读 · 2021年11月7日
【斯坦福大牛Chelsea Finn2021新课】深度多任务与元学习，附课程PPT下载
专知会员服务
28+阅读 · 2021年10月6日
【KDD2021】图神经网络的自适应迁移学习
专知会员服务
64+阅读 · 2021年7月25日
参考链接
父主题
机器学习
微信扫码咨询专知VIP会员
Top