普拉蒂克·贾万普里亚；Nath，Jagarlapudi Saketha先生；甘尼什·拉马克里希南 广义分层核学习。 （英语） Zbl 1337.68224号 J.马赫。学习。物件。 16, 617-652 (2015). 摘要：本文概括了层次核学习（HKL）的框架，并说明了它在规则学习领域的实用性。HKL涉及对一组假定嵌入在有向非循环图上的给定基核的多核学习。本文提出了HKL的一个双重推广：第一种是使用一个通用的块形式正则化子（\ell_1/\ell_\rho\）（\rho\in（1,2]）），它缓解了HKL公式的一个关键限制。第二个是对多类、多标签以及更普遍的多任务应用程序的概括。这项工作的主要技术贡献是推导了所提出的广义HKL公式的高度专业化的部分对偶，以及用于求解它的基于镜像下降的有效主动集算法。重要的是，通用正则化器使所提出的公式能够用于规则集成学习（REL）其中，目标是构建一个连接命题规则集合。在基准REL数据集上的实验证明了所提泛化的有效性。 引用于三文件 MSC公司： 68T05型 人工智能中的学习和自适应系统 62H30型 分类和区分；聚类分析（统计方面） 关键词：多核学习；混合形式正则化；多任务学习；规则集成学习；有源集方法 软件：UCI-毫升；简单MKL；ENDER（恩德） PDF格式BibTeX公司 XML格式引用 \textit{P.Jawanpuria}等人，J.Mach。学习。第16、617--652号决议（2015年；Zbl 1337.68224） 全文： 链接