La fonctionnalité de recherche est en construction.
La fonctionnalité de recherche est en construction.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

From Easy to Difficult: A Self-Paced Multi-Task Joint Sparse Representation Method De facile à difficile : une méthode de représentation clairsemée conjointe multi-tâches à votre rythme

Lihua GUO

  • Vues en texte intégral

    0

  • Citer

Résumé:

La représentation clairsemée conjointe multitâche (MTJSR) est un type de méthode d'apprentissage multitâche (MTL) efficace pour résoudre différents problèmes ensemble à l'aide d'une représentation clairsemée partagée. Basé sur le mécanisme d'apprentissage chez l'humain, qui est un apprentissage à votre rythme en entraînant progressivement les tâches de facile à difficile, j'applique ce mécanisme dans MTJSR et propose une représentation clairsemée conjointe multi-tâches avec un apprentissage à votre rythme (MTJSR-SP ) algorithme. Dans MTJSR-SP, le mécanisme d'apprentissage à votre rythme est considéré comme un régularisateur de la fonction d'optimisation, et une optimisation itérative est appliquée pour le résoudre. Par rapport aux méthodes MTL traditionnelles, MTJSR-SP est plus robuste au bruit et aux valeurs aberrantes. Les résultats expérimentaux sur certains ensembles de données, à savoir deux ensembles de données synthétisés, quatre ensembles de données du référentiel d'apprentissage automatique UCI, un ensemble de données de fleurs d'Oxford et un ensemble de données de catégorisation d'images Caltech-256, sont utilisés pour valider l'efficacité de MTJSR-SP.

Publication
IEICE TRANSACTIONS on Information Vol.E101-D No.8 pp.2115-2122
Date de publication
2018/08/01
Publicisé
2018/05/16
ISSN en ligne
1745-1361
DOI
10.1587/transinf.2017EDP7289
Type de manuscrit
PAPER
Catégories
Reconnaissance d'images, vision par ordinateur

Auteurs

Lihua GUO
  South China University of Technology

Mots-clés

Table des matières