基于半監督學習和特權信息的多任務算法研究

陳啟航

廣東工業大學自動化學院研究生 廣東 廣州 510000

引言

多任務學習是機器學習領域中的一部分，相對于傳統的單任務學習，有其獨特的優勢和應用場景。在現實很多的問題中，往往需要思考不同方面帶來的影響。單一的考慮一兩個任務太過于局限，并且相關任務之間的共性有助于特定任務的學習過程。而多任務學習恰恰能夠通過不同任務之間的聯系，找到數據的共性和特性，更好地提升分類器的性能。多任務學習方法主要是這兩類：共享相同的參數和共享隱藏的數據特征。目前來說，多任務學習廣泛應用在多個領域，比如醫療建模，圖像分類，自然語言研究和人工智能等[1-3]。

特權信息是一類帶有指導信息的數據，一般都是從訓練時獲得的。一般來說，附加數據比常規數據更具有信息性，能夠帶來更多的預測結果。因此，特權信息具有輔助學習的效果，作為模型學習的補充信息，可以用于學習更好的識別系統或者分類系統。現今許多領域的研究中，人們致力于尋找帶有特權信息的數據，用以增強各項對應任務的模型學習。實驗表明，加入特權信息的分類方法能夠提升模型的精度[4-6]。

半監督學習是一種機器學習的方法，用于解決數據很多但帶標簽的數據較少的問題。在實驗中，很多目標函數都是需要使用帶標記的數據來預估的，但是往往能獲取到的標記實例是費時費力的。面對這種情況，如何將未標記數據和標記數據相結合成為一個至關重要的課題。……