講演抄録/キーワード |
講演名 |
2013-11-13 15:45
[ポスター講演]Learning Common Features of Parametrized Tasks ○Ichiro Takeuchi・Tatsuya Hongo(Nagoya Inst. of Tech.)・Masashi Sugiyama(Tokyo Inst. of Tech.)・Shinichi Nakajima(Nikon) IBISML2013-66 |
抄録 |
(和) |
本論文では, 連続値パラメータで表現された無限個のタスクに対するマルチタスク学習として, パラメトリックタスク学習の枠組を考察する. 本論文の貢献は, あるクラスのパラメトリックタスク学習では, 無限個のタスクの最適解がタスクパラメータの区分線形関数として表されることを示したことにある. この事実のもとでパラメトリック計画法を利用すると, すべてのパラメータ表現されたタスクに共通する特徴を抽出したり, 選択したりすることができる. パラメトリック学習は, 非定常時系列の学習, コスト考慮型学習, 分位点回帰分析など様々な問題で現れるが, 本論文ではこれらの問題に対する数値実験を通して提案法の有効性を検証する. |
(英) |
We introduce a novel formulation of multi-task learning (MTL) called parametric task learning (PTL) that can systematically handle infinitely many tasks parameterized by a continuous parameter. Our key finding is that, for a certain class of PTL problems, the path of optimal task-wise solutions can be represented as piecewise-linear functions of the continuous task parameter. Based on this fact, we employ a parametric programming technique to obtain the common shared representation across all the continuously parameterized tasks efficiently. We show that our PTL formulation is useful in various scenarios such as learning under non-stationarity, cost-sensitive learning, and quantile regression, and demonstrate the usefulness of the proposed method experimentally in these scenarios. |
キーワード |
(和) |
マルチタスク学習 / パラメトリック計画法 / / / / / / |
(英) |
multi-task learning / parametric programming / / / / / / |
文献情報 |
信学技報, vol. 113, no. 286, IBISML2013-66, pp. 225-232, 2013年11月. |
資料番号 |
IBISML2013-66 |
発行日 |
2013-11-05 (IBISML) |
ISSN |
Print edition: ISSN 0913-5685 Online edition: ISSN 2432-6380 |
著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) |
PDFダウンロード |
IBISML2013-66 |
|