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。
Revisiting the expressiveness of metric temporal logic : A tale of "Je t'aime, moi non plus."
Arxiv
0+阅读 · 5月29日
Temporal2Seq: A Unified Framework for Temporal Video Understanding Tasks
Arxiv
0+阅读 · 6月10日
Trend-Aware Multi-Task Learning for Short-Term Energy Forecasting
Arxiv
0+阅读 · 6月11日
A Survey on Deep Multi-Task Learning in Connected Autonomous Vehicles
Arxiv
0+阅读 · 6月5日
Generalizable Multi-Task Learning for Wireless Networks Using Prompt Decision Transformers
Arxiv
0+阅读 · 6月3日
Uncertainty-Driven Anomaly Detection for Psychotic Relapse Using Smartwatches: Forecasting and Multi-Task Learning Fusion
Arxiv
0+阅读 · 5月13日
Radar-Camera BEV Multi-Task Learning with Cross-Task Attention Bridge for Joint 3D Detection and Segmentation
Arxiv
0+阅读 · 5月26日
Multi-task Learning is Not Enough: Representational Entanglement in Dual-output Second Language Speech Recognition
Arxiv
0+阅读 · 6月10日
Frequency Switching Mechanism for Parameter-E!cient Multi-Task Learning
Arxiv
0+阅读 · 3月22日
SMART: A Spectral Transfer Approach to Multi-Task Learning
Arxiv
0+阅读 · 4月22日
Epistemic Errors of Imperfect Multitask Learners When Distributions Shift
Arxiv
0+阅读 · 3月31日
HyperCT: Low-Rank Hypernet for Unified Chest CT Analysis
Arxiv
0+阅读 · 4月3日
Multi-Task Learning for High-Dimensional Regression with Many Weak Instruments
Arxiv
0+阅读 · 4月15日
End-to-End Multi-Task Learning for Adjustable Joint Noise Reduction and Hearing Loss Compensation
Arxiv
0+阅读 · 3月20日
Adaptive Multi-task Learning for Multi-sector Portfolio Optimization
Arxiv
0+阅读 · 4月22日
参考链接
微信扫码咨询专知VIP会员
Top