Der Artikel stellt zwei neue Ansätze für das Online-Multitask-Lernproblem vor:
MT-WRLS: Ein rekursives Verfahren, das die Graph-basierte MTL-Formulierung im Primärraum löst. Es liefert die exakte Lösung in jedem Schritt mit quadratischen Kosten pro Instanz.
MT-OSLSSVR: Ein rekursives Kernelverfahren, das die Approximation der exakten Lösung durch den Sparsitätsparameter kontrolliert. Die Kosten pro Instanz sind ebenfalls quadratisch.
Beide Methoden zeigen theoretisch und empirisch bessere Ergebnisse als bestehende Techniken. MT-WRLS kombiniert mit Extreme Learning Machines ermöglicht ein konvexes Online-MTL-Verfahren mit nichtlinearer Eingabe-Ausgabe-Abbildung.
Die Methoden werden auf einem Benchmark zur Windgeschwindigkeitsvorhersage getestet und zeigen signifikante Leistungsverbesserungen gegenüber anderen Verfahren.
다른 언어로
소스 콘텐츠 기반
arxiv.org
더 깊은 질문