人類通�？赏瑫r(shí)進(jìn)行多個(gè)任務(wù)的學(xué)習(xí),將從一個(gè)任務(wù)中獲得的知識(shí)應(yīng)用到另一個(gè)任務(wù)中以加速此任務(wù)的學(xué)習(xí).受此學(xué)習(xí)行為的啟發(fā),多任務(wù)學(xué)習(xí)(MTL)被提出并被廣泛研究.與MTL動(dòng)機(jī)類似,多任務(wù)優(yōu)化(MTO)是在傳統(tǒng)基于單任務(wù)優(yōu)化算法基礎(chǔ)上被提出的一種新型優(yōu)化算法,該算法旨在同時(shí)在線執(zhí)行多個(gè)任務(wù),從一個(gè)任務(wù)中獲取知識(shí)以幫助另一個(gè)任務(wù),并進(jìn)行任務(wù)間知識(shí)遷移,以提高多任務(wù)的優(yōu)化性能.基于降噪自動(dòng)編碼器提出了一種新型MTO算法,推演出一種具有閉式解的降噪自動(dòng)編碼器,并利用此編碼器顯式地對(duì)多任務(wù)構(gòu)建任務(wù)映射,從而使所提MTO算法能夠利用不同的基于單任務(wù)優(yōu)化算法的搜索偏好.采用常用的MTO基準(zhǔn)進(jìn)行綜合性實(shí)驗(yàn),驗(yàn)證了所提算法的有效性.

【文章頁(yè)數(shù)】：10 頁(yè)

【部分圖文】：

圖１Ｒａｓｔｒｉｇｉｎ′ｓ函數(shù)和Ｓｐｈｅｒｅ函數(shù)（ｃ）

來(lái)說(shuō)更具挑戰(zhàn)性；圖１（ｂ）的凸Ｓｐｈｅｒｅ函數(shù)最簡(jiǎn)單；從圖１（ｃ）中可以看出它們具有共同的全局最優(yōu)．其中縱坐標(biāo)Ｆ１為目標(biāo)值，圖１（ａ）、（ｂ）的ｘ１、ｘ２為搜索空間Ｘｉ的決策變量．因此，Ｓｐｈｅｒｅ函數(shù)的優(yōu)化過(guò)程中找到的解可能有助于對(duì)復(fù)雜Ｒａｓｔｒｉｇｉｎ′ｓ函數(shù)的優(yōu)化．（ａ）Ｒ....

圖２ＭＴＯ算法的工作流程Ｆｉｇ．２ＷｏｒｋｆｌｏｗｏｆＭＴＯａｌｇｏｒｉｔｈｍ

式（２）可被簡(jiǎn)化成式（３）所示的矩陣形式：Ｌｓｑ（Ｍ）＝１２Ｎｔｒ［（Ｔ－ＭＳ）Ｔ（Ｔ－ＭＳ）］（３）其中ｔｒ（·）表示矩陣的跡，則式（３）的解可表示為普通最小二乘法［２０］的閉式解：Ｍ＝（ＴＳＴ）（ＳＳＴ）－１（４）４基于降噪自動(dòng)編碼器的ＭＴＯ算法假設(shè)同時(shí)優(yōu)化兩個(gè)問(wèn)題Ｐ１、Ｐ２....

本文編號(hào)：3894945