摘要: 迁移学习能够有效地在相似任务之间进行信息的共享和迁移。之前针对多任务回归的迁移学习研究大多集中在线性系统上。针对非线性回归问题,提出了一种新的多任务回归模型—HiRBF。HiRBF基于层次贝叶斯模型,采用RBF神经网络进行回归学习,假设各个任务的输出层参数服从某种共同的先验分布。根据各个任务是否共享隐藏层,在构造HiRBF模型时有两种可选方案。在实验部分,将两种方案进行了对比,也将HiRBF与两种非迁移学习算法进行了对比,实验结果表明,HiRI3F的预测性能大大优于其它两个算法。
No related articles found! |
|