Effiziente Online-Multitask-Lernverfahren mit rekursiver kleinster Quadrate und rekursiven Kernelmethoden

Zwei neuartige Ansätze für das Online-Multitask-Lernproblem werden vorgestellt: ein rekursives Verfahren basierend auf gewichteten rekursiven kleinsten Quadraten (MT-WRLS) und ein rekursives Kernelverfahren basierend auf Online-Sparse-Least-Squares-Support-Vector-Regression (MT-OSLSSVR). Beide Methoden zeigen eine bessere Leistung als bestehende Techniken.