×

兹马思-数学第一资源

多目标预测:问题与方法的统一观点。(英语) Zbl 1464.62399
摘要:机器学习中的许多问题设置都与同时预测不同类型的多个目标变量有关。其中,这类问题设置出现在多元回归、多标签分类、多任务学习、二进预测、零射学习、网络推理和矩阵完成中。机器学习的这些子领域通常是孤立地研究的,没有强调或探索重要的关系。在本文中,我们提出了一个统一的观点,我们称之为多目标预测(MTP)问题和方法。首先,我们正式讨论现有MTP问题之间的共性和差异。为此,我们引入了一个通用框架,将上述子领域作为特殊情况覆盖。作为第二个贡献,我们提供了MTP方法的结构化概述。这是通过确定一些关键属性来实现的,这些属性区分了这些方法并确定了它们对不同类型问题的适用性。最后,我们也讨论了未来研究的一些挑战。
理学硕士:
62平方米 随机过程推理与预测
62小时15分 多元分析中的假设检验
六二零二 一般非线性回归
68T05型 人工智能中的学习与自适应系统
PDF格式 BibTeX公司 XML 引用
全文: 内政部
参考文献:
[1] Abernethy J,Bach F,Evgeniou T,Vert JP(2008)《协同滤波的新方法:基于谱正则化的算子估计》。机械学习杂志10:803-826·Zbl 1235.68122
[2] Adams RP,Dahl GE,Murray I(2010),使用高斯过程将边信息纳入概率矩阵分解。In:Grünwald P,Spirtes P(eds)第26届人工智能不确定性会议,第1-9页
[3] Aho T,Ženko B,DŽeroski S(2009)多目标回归的规则集合。在:IEEE数据挖掘国际会议论文集,第21-30页·Zbl 1433.68321
[4] Aho T,Ženko B,DŽeroski S,Elomaa T(2012),带规则集合的多目标回归。机械学习研究杂志13(1):2367-2407·Zbl 1433.68321
[5] Akata Z,Reed SE,Walter D,Lee H,Schiele B(2015)细粒度图像分类的输出嵌入评估。在:IEEE计算机视觉和模式识别会议,CVPR 2015,波士顿,马萨诸塞州,美国,2015年6月7-12日,第2927-2936页
[6] Akata Z,Perronnin F,Harchaoui Z,Schmid C(2016)用于图像分类的标签嵌入。IEEE Trans-Pattern Anal Mach Intell 38(7):1425-1438
[7] Álvarez M,Rosasco L,Lawrence N(2012),向量值函数的核:综述。发现趋势马赫学习4(3):195-266·Zbl 1301.68212号
[8] Ando RK,Zhang T(2005)从多个任务和未标记数据中学习预测结构的框架。机械学习杂志6:1817-1853·Zbl 1222.68133
[9] Bakker B,Heskes T(2003)《贝叶斯多任务学习的任务聚类与选通》。机械学习杂志4:83-99·Zbl 1085.68612
[10] Balasubramanian K,黎巴嫩G(2012),《多产量预测的里程碑选择方法》。国际机器学习会议
[11] Baldassarre L,Rosasco L,Barla A,Verri A(2012),通过光谱滤波进行多输出学习。马赫学习87(3):259-301·Zbl 1243.68233
[12] Barutcuoglu Z,Schapire RE,Troyanskaya OG(2006)基因功能的分层多标记预测。生物信息学22(7):830-836
[13] Basilico J,Hofmann T(2004),统一协作和基于内容的过滤。第21届机器学习国际会议论文集,第9-16页
[14] Ben Hur A,Noble W(2005)预测蛋白质-蛋白质相互作用的核心方法。生物信息学21(增刊1):38-46
[15] Bhatia K,Jain H,Kar P,Varma M,Jain P(2015)《极端多标签分类的稀疏局部嵌入》。在:神经信息处理系统的进展28:神经信息处理系统2015年年度会议,2015年12月7日至12日,加拿大魁北克省蒙特利尔,第730-738页
[16] Bi W,Kwok J(2012)分层多标签分类中的强制叶节点预测。Adv神经信息处理系统25:153-161
[17] Bi W,Kwok JT(2013)多标签高效多标签分类。在:第30届机器学习国际会议记录,ICML 2013,亚特兰大,佐治亚州,美国,2013年6月16-21日,第405-413页
[18] Bielza C,Li G,Larraòaga P(2011),基于贝叶斯网络的多维分类。国际期刊大约原因52(6):705-727·Zbl 1226.68078
[19] Bonilla EV,Agakov F,Williams C(2007)使用任务特定功能的内核多任务学习。在:第11届国际人工智能与统计会议AISTATS's 07,第43-50页
[20] Breiman L,Friedman J(1997)预测多元线性回归中的多变量响应。J R Stat Soc B 69:3-54版·Zbl 0897.62068
[21] Candes E,Recht B(2008)通过凸优化实现精确低秩矩阵完备化。发现计算数学9:717-772·Zbl 1219.90124
[22] Caponnetto A,Michelli CA,Pontil M,Ying Y(2008)通用多任务内核。机械学习杂志9:1615-1646·Zbl 1225.68155
[23] Caruana R(1997)多任务学习:基于知识的归纳偏差来源。《机械学习》28:41-75
[24] 陈杰,唐磊,刘杰,叶杰(2009)多任务共享结构学习的凸公式。在:第26届国际机器学习年会论文集,ACM,纽约,美国,ICML'09,第137-144页
[25] Cheng W,Hüllermeier E(2009)结合实例学习和逻辑回归进行多标签分类。马赫学习76(2-3):211-225
[26] CisséM,Usunier N,Artières T,Gallinari P(2013)《大型多标签分类任务的鲁棒bloom过滤器》。神经信息处理系统进展,第26卷。美国内华达州塔霍湖,第1851-1859页
[27] Dembczynèski K,Waegeman W,Cheng W,Hüllermeier E(2012),多标签分类中的标签依赖和损失最小化。马赫学习88:5-45·Zbl 1243.68237
[28] Dembczyèski K,Kotłowski W,Gawel P,Szarecki A,Jaszkiewicz A(2013)《大型交通网络中行程时间估计的矩阵分解》。在:人工智能与软计算第12届国际会议(ICAISC 2013)。计算机科学讲义,95卷。斯普林格,第500-510页
[29] Dembczyèski K,Kotłowski W,Waegeman W,Busa Fekete R,Hüllermeier E(2016)《概率分类器树的一致性》。In:数据库中的机器学习和知识发现-欧洲会议,ECML PKDD 2016,Riva del Garda,意大利,2016年9月19-23日,会议记录,第二部分,第511-526页
[30] 邓J,丁N,贾Y,Frome A,Murphy K,Bengio S,Li Y,Neven H,Adam H(2014)使用标签关系图的大规模对象分类。欧洲计算机视觉会议。计算机科学讲义第8689卷。斯普林格,第48-64页
[31] Dinuzzo F(2013)《多任务问题的学习输出核函数》。神经计算118:119-126
[32] Dinuzzo F,Ong CS,Gehler P,Pillenetto G(2011)学习输出核函数与块坐标下降。国际机器学习会议论文集
[33] Donahue J,Jia Y,Vinyals O,Hoffman J,Zhang N,Tzeng E,Darrell T(2014)Decaf:通用视觉识别的深度卷积激活特征。在:《第31届机器学习国际会议论文集》,ICML 2014,中国北京,2014年6月21日至26日,第647-655页
[34] evgeniout(2005)用核方法学习多个任务。机械学习杂志6:615-637·Zbl 1222.68197号
[35] Evgeniou T,Pontil M(2004)正则化多任务学习。第十届ACM-SIGKDD国际知识发现与数据挖掘会议论文集,第109-117页
[36] 方勇,思力(2011)具有丰富边信息和隐式反馈的矩阵协因子推荐。第二届推荐系统信息异构与融合国际研讨会,ACM,第65-69页
[37] Frome A,Corrado GS,Shlens J,Bengio S,Dean J,Ranzato M,Mikolov T(2013)《设计:深层视觉语义嵌入模型》。在:神经信息处理系统的进展,第2121-2129页
[38] Fu Y,Hospedales T,Xiang T,龚S(2013)学习多模态潜在属性。IEEE Trans-Pattern Anal-Mach Intell美国电气与电子工程师协会(IEEE Trans-Pattern Anal-Mach Intell)36(2):303-316
[39] Gaujoux R,Seoighe C(2010)非负矩阵分解的灵活R包。BMC生物信息11:367
[40] Girshick R,Donahue J,Darrell T,Malik J(2014),用于精确对象检测和语义分割的丰富特征层次。2014年IEEE计算机视觉和模式识别会议论文集,华盛顿特区,美国,pp 580-587
[41] Godbole S,Sarawagi S(2004)多标记分类的判别方法。帕克德2004:22-30
[42] Gönen M(2012)使用贝叶斯矩阵因子分解从化学和基因组核预测药物靶向相互作用。生物信息学28(18):2304-10
[43] 龚平,叶杰,张丙(2012)鲁棒多任务特征学习。在:第18届ACM SIGKDD知识发现和数据挖掘国际会议论文集,ACM,纽约,美国,KDD'12,第895-903页
[44] Gong Y,Wang L,Guo R,Lazebnik S(2014),深卷积激活特征的多尺度无序池。欧洲计算机视觉会议。计算机科学讲义,第8695卷。斯普林格,392-407页
[45] Gopal S,Yang Y(2013)具有层次和图形依赖的大规模分类的递归正则化。在:第19届ACM SIGGDD知识发现和数据挖掘国际会议论文集,ACM,纽约,美国,第257-265页
[46] Gopal S,Yang Y,Bai B,Niculescu Mizil A(2012),大规模层次分类的贝叶斯模型。在:第25届神经信息处理系统国际会议论文集,美国,NIPS'12,第2411-2419页
[47] 顾Q,李Z,韩杰(2011)相关多标签特征选择。在:第20届ACM国际信息和知识管理会议记录,ACM,纽约,美国,CIKM'11,第1087-1096页
[48] Guo Y,Gu S(2011)使用条件依赖网络的多标签分类。《第二十二届人工智能国际联席会议论文集》,第2卷,AAAI出版社,IJCAI'11,pp 1300-1305
[49] Hariharan B,Zelnik Manor L,Vishwanathan S,Varma M(2010)大规模最大边缘多标签分类与先验知识。国际机器学习会议。Omni出版社
[50] Hastie T,Tibshirani R,Friedman JH(2007)《统计学习要素:数据挖掘、推理和预测》,第2版。斯普林格,海德堡·Zbl 0973.62007
[51] Hayashi K,Takenouchi T,Tomioka R,Kashima H(2012),多任务高斯过程的自度量相似性。作者:Guyon I,Dror G,Lemaire V,Taylor GW,Silver DL(eds)ICML无监督和转移学习研讨会,JMLR论文集,第27卷,145-154页
[52] 徐旭,王嘉德,张涛(2009)压缩感知多标签预测。输入:NIPS 22,第772-780页
[53] Hüllermeier E,Fürnkranz J,Cheng W,Brinker K(2008)学习成对偏好的标签排名。人工智能172(16-17):1897-1916·Zbl 1184.68403
[54] Izenman A(1975)多元线性模型的降阶回归。多变量分析杂志5:248-262·Zbl 0313.62042
[55] Jacob L,Vert J(2008)蛋白质-配体相互作用预测:改进的化学基因组学方法。生物信息学24(19):2149-2156
[56] Jacob L,Bach F,Vert JP(2008),集群式多任务学习:一个凸公式。神经信息处理系统进展
[57] Jain P,Netrapalli P,Sanghavi S(2013)使用交替最小化的低秩矩阵完成。在:第四十五届ACM计算理论研讨会论文集,ACM,纽约,美国,pp 665-674·Zbl 1293.65073
[58] Jalali A,Sanghavi S,Ravikumar P,Ruan C(2010)多任务学习的脏模型。In:神经信息处理系统,第964-972页
[59] James W,Stein C(1961)二次损失估计。第四届概率论与统计学研讨会论文集,第369页·Zbl 1281.62026
[60] Jawanpuria P,Lapin M,Hein M,Schiele B(2015)多任务高效输出核学习。神经信息处理系统的进展,第28卷,1189-1197页
[61] Kashima H,Kato T,Yamanishi Y,Sugiyama M,Tsuda K(2009)《链路传播:用于链路预测的快速半监督学习算法》。在:暹罗国际数据挖掘会议(SDM'09),暹罗,第1099-1110页
[62] 孔X,于PS(2012)gMLC:一种用于图分类的多标签特征选择框架。知识信息系统31(2):281-305
[63] Krichene W,Mayoraz N,Rendle S,Zhang L,Yi X,Hong L,Chi E,Anderson J(2018),基于gramian估计的超大语料库高效培训。ArXiv电子打印
[64] Kula M(2015)用户和项目冷启动建议的元数据嵌入。在:第二届基于内容的推荐系统新趋势研讨会论文集,与第九届ACM推荐系统会议合办,第14-21页
〔65〕 Lampert CH,Nickisch H,Harmeling S(2009)学习通过类间属性转移检测看不见的对象类。计算机视觉与模式识别会议
[66] Larochelle H,Erhan D,Bengio Y(2008)新任务的零数据学习。年:第23届全国人工智能大会(AAAI'08)。AAI出版社,第646-651页
[67] Lawrence N,Urtasun R(2009)《高斯过程的非线性矩阵分解》。第26届国际机器学习年会论文集
[68] Lee G,Yang E,Hwang SJ(2016)基于任务相关性和信心的非对称多任务学习。在:第33届机器学习国际会议记录,ICML 2016,纽约,纽约,美国,2016年6月19-24日,第230-238页
〔69〕 刘伟,强生D(2009)聚类及其在多目标预测中的应用。当前药物开发12(1):98-107
[70] Liu J,Kuipers B,Savarese S(2011),通过属性识别人类行为。2011年IEEE计算机视觉与模式识别会议论文集,华盛顿特区,美国,pp 3337-3344
[71] 刘赫,孙杰,关杰,郑洁,周S(2015)通过建立高可信的阴性样本来改进复合蛋白相互作用预测。生物信息学31(12):i221-i229
[72] Loza Mencía E,Janssen F(2016)《多标签分类的学习规则:一种堆叠和一种分离和征服的方法》。马赫学习105(1):77-126
[73] Mazumder R,Hastine T,Tibshirani R(2010)学习大型不完全矩阵的谱正则化算法。机械学习杂志11:2287-2322·Zbl 1242.68237
[74] Menon A,Elkan C(2010)用于并矢预测的具有潜在特征的对数线性模型。在:第十届IEEE国际数据挖掘会议(ICDM),第364-373页
[75] Menon A,Elkan C(2011)通过矩阵分解进行链路预测。Mach Learn Knowl Discov数据库6912:437-452
[76] Mikolov T,Chen K,Corrado G,Dean J(2013),向量空间中词表示的有效估计。更正:1301.3781
[77] Nam J,Loza Mencia E,Kim HJ,Fürrnkranz J(2015),在大规模多标签学习中使用标签层次预测看不见的标签。欧洲机器学习会议。计算机科学讲义,第9284卷。斯普林格,第102-118页
[78] Nam J,Loza Mencia E,Fürnkranz J(2016)All in text:学习文档、标签和单词表示。美国亚利桑那州凤凰城,第三十届人工智能大会论文集,2016年2月12日至17日,美国亚利桑那州凤凰城,第1948-1954页
[79] Obozinski G,Taskar B,Jordan MI(2010),多分类问题的联合协变量选择和联合子空间选择。统计计算20(2):231-252
[80] Oquab M,Bottou L,Laptev I,Sivic J(2014)使用卷积神经网络学习和传输中层图像表示。2014年IEEE计算机视觉与模式识别会议论文集,华盛顿特区,美国,第1717-1724页
[81] Oyama S,Manning C(2004)使用特征连接词学习成对分类器。欧洲机器学习与数据库知识发现会议。计算机科学讲义,第3201卷。斯普林格,322-333页·Zbl 1132.68581
[82] Pahikkala T,Waegeman W,Tsivtsivadze E,Salakoski T,De Baets B(2010)用核方法学习不及物性互惠关系。欧洲运营研究206(3):676-685·Zbl 1188.68234
[83] Pahikkala T,Airola A,Stock M,Baets BD,Waegeman W(2013)《关系数据条件排序的有效正则化最小二乘算法》。马赫学习93(2-3):321-356·Zbl 1300.68045
[84] Pahikkala T,Stock M,Airola A,Aittokallio T,De Baets B,Waegeman W(2014),两步学习法,用于解决并矢预测中的完全和几乎完全冷启动问题。在:计算机科学课堂讲稿,第8725卷,第517-532页
[85] Palatucci M,Hinton G,Pomerleau D,Mitchell TM(2009)使用语义输出代码进行零射击学习。在:神经信息处理系统的进展,第1410-1418页
[86] Papagiannopoulou C,Tsoumakas G,Tsamardinos I(2015),在多标签学习中发现和利用确定性标签关系。收件人:Cao L,Zhang C,Joachims T,Webb GI,Margineantu DD,Williams G(编辑)KDD,ACM,第915-924页
[87] Papagiannopoulou C、Miralles DG、Demuzere M、Verhoest N、Waegeman W(2018)通过多任务学习确定的全球水文气候生物群落。Geosci模型开发11:4139-4153
[88] Park SH,Fürnkranz J(2008)带标签约束的多标签分类。在:ECML PKDD 2008年偏好学习研讨会(PL-08,比利时安特卫普)
[89] Park ST,Chu W(2009)冷启动推荐的成对偏好回归。在:第三届ACM推荐系统会议,ACM,第21-28页
[90] Park Y,Marcotte EM(2012)成对输入计算预测评估方案的缺陷。Nat方法9(12):1134-1136
[91] Raupel Hugh,MT-Wei-Hugh预测核酸结合的亲和力(the recognition of Nuclear Codes),Raupel Hugh,MT-Weipel-Codes,2015。Nat生物技术33(12):1242-1249
[92] Prabhu Y,Kag A,Harsola S,Agrawal R,Varma M(2018)Parabel:用于极端分类的分区标签树及其在动态搜索广告中的应用。网址:网络会议(WWW),第993-1002页
[93] Rai P,DauméIII H(2009)通过稀疏无限CCA进行多标签预测。神经信息处理系统会议论文集
[94] Rangwala H,Naik A(2017)《大规模分层分类:基础、算法和应用》。KDD教程,哈利法克斯
[95] Raymond R,Kashima H(2010)静态和动态图上半监督链路预测的快速可伸缩算法。在:Balcázar JL,Bonchi F,Gionis A,Sebag M(编辑)欧洲数据库中机器学习和知识发现会议。计算机科学讲义,第6323卷。斯普林格,第131-147页
[96] Razavian AS,Azizpour H,Sullivan J,Carlsson S(2014)Cnn功能现成:令人震惊的识别基线。在:2014年IEEE计算机视觉和模式识别会议论文集,华盛顿特区,美国,pp 512-519
[97] 阅读J(2013)多维分类与超级类。IEEE Trans Knowl数据工程99:1
[98] Rohrbach M,Stark M,Schiele B(2011)评估大规模环境中的知识转移和零射击学习。在:IEEE计算机学会计算机视觉和模式识别会议论文集,第1641-1648页
[99] Romera Paredes B,Torr P(2015)零射学习的简单方法令人尴尬。第32届机器学习国际会议论文集,第37卷,第2152-2161页
[100] Rousu J,Saunders C,Szedmak S,Shawe Taylor J(2006)基于核的分层多标签分类模型学习。机械学习杂志7:1601-1626·Zbl 1222.68291号
[101] Schäfer D,Hüllermeier E(2015)使用双线性Plackett-Luce模型的二元排名。在:ECML/PKDD-2015,欧洲数据库机器学习和知识发现会议,葡萄牙波尔图·Zbl 1464.62232
[102] Sermanet P,Eigen D,Zhang X,Mathieu M,Fergus R,Lecun Y(2014)Overfeat:使用卷积网络进行集成识别、定位和检测
[103] Shan H,Banerjee A(2010)协作过滤的广义概率矩阵分解。在:韦伯吉,刘B,张C,古诺普洛斯D,吴X(编辑)第十届IEEE国际数据挖掘会议(ICDM)。IEEE计算机协会,第1025-1030页
[104] Silla CN,Aa F(2010)不同应用领域的分层分类调查。数据Min Knowl Discov 22(1-2):31-72
[105] Socher R,Ganjoo M,Sridhar H,Bastani O,Manning CD,Ng AY(2013)通过跨模式迁移进行零射击学习。在:神经信息处理系统的进展26,第935-943页
[106] Spolaôr N,Monard MC,Tsoumakas G,Lee HD(2016),多标签特征选择的系统综述和基于标签构造的新方法。神经计算180(C):3-15
[107号] Spyromitros Xiufis E,Tsoumakas G,Groves W,Vlahavas I(2016),通过输入空间扩展的多目标回归:将目标视为输入。马赫学习104(1):55-98·Zbl 1454.68134号
[108] Stock M,Fober T,Hüllermeier E,Glinca S,Klebe G,Pahikkala T,Airola A,De Baets B,Waegeman W(2014)《通过学习排序方法识别功能相关酶》。IEEE Trans Comput生物信息11(6):1157-1169
[109号] Stock M,Pahikkala T,Airola A,Baets BD,Waegeman W(2016),使用核岭回归的有效成对学习:精确的两步方法。arXiv:1606.04275
[110] Tai F,Lin HT(2010)基于主标记空间变换的多标签分类。在:与ICML/COLT 2010联合举办的第二次多标签数据学习国际研讨会(MLD 2010)
[111] Tai F,Lin HT(2012)基于主标签空间变换的多标签分类。神经计算机24(9):2508-2542·Zbl 1269.68084
[112] Takács G,Pilászy I,Németh B,Tikk D(2008)netflix prize问题的矩阵分解和基于邻居的算法。2008年ACM推荐系统大会论文集。ACM出版社,纽约,267-274页
[113] Todorovski L,Blockeel H,Dzeroski S(2002)预测聚类树排序。欧洲机器学习会议论文集·Zbl 1014.68798
[114] Tsoumakas G,Katakis I(2007)《多标签分类:概述》。Int J数据仓库最小值3(3):1-13
[115] Van der Merwe A,Zidek J(1980)多元回归分析与典型变量。加拿大国家统计局8:27-39·Zbl 0499.62057
[116] Van Loan CF(2000)无处不在的kronecker产品。计算机应用数学杂志123(1-2):85-100·Zbl 0966.65039
[117] Van Peer G,Paepe AD,Stock M,Anckaert J,Volders PJ,Vandesonpele J,Baets BD,Waegeman W(2017)miSTAR:通过在堆叠模型结构中建模定量和定性miRNA结合位点信息来预测miRNA靶点。Nucl酸Res 45:e51
[118] Vens C,Struyf J,Schietgat L,Dzeroski S,Blockeel H(2008)分层多标签分类决策树。机器学习73(2):185-214
[119] 韦杰,邱杰,Noble WS(2007)支持向量机生物网络推理的一种新的成对核。BMC生物信息8(S-10):1-10
[120] Volkovs M,Zemel RS(2012)17个参数的协作排名。在:神经信息处理系统的进展,pp 2303-2311
〔121〕 Waegeman W,Pahikkala T,Airola A,Salakoski T,Stock M,De Baets B(2012),从数据中学习分级关系的基于内核的框架。IEEE模糊传输系统20(6):1090-1101
[122号] Waegeman W,Dembczynski K,Jachnik A,Cheng W,Hüllermeier E(2014)关于f-测度最大化的bayes最优性。学习马赫数3388-333:333·Zbl 1311.62011
[123号] 王飞,王X,李T(2009)基于任务正则化的半监督多任务学习。在:IEEE国际数据挖掘会议,第562-568页
[124] 魏勇,夏伟,林M,黄杰,倪B,董杰,赵勇,严S(2016)Hcp:一个灵活的cnn多标签图像分类框架。IEEE Trans-Pattern Anal-Mach Intell 38(9):1901-1907
[125] Weston J,Chapelle O,Elisseeff A,Schölkopf B,Vapnik V(2002)核依赖估计。在:神经信息处理系统的进展,英国873-880页
[126] Wicker J,Tyukin A,Kramer S(2016),使用自动编码器的多标签分类的非线性标签压缩和转换方法。在:知识发现和数据挖掘的进展:第20届亚太会议,PAKDD 2016,新西兰奥克兰
[127号] Wolpert DH(1992)原始贡献:叠加推广。神经网络5(2):241-259
[128] Wu L、Fisch A、Chopra S、Adams K、Bordes A、Weston J(2018)《星际空间:嵌入所有东西!美国人工智能学会人工智能会议
[129] Xian Y,Akata Z,Sharma G,Nguyen QN,Hein M,Schiele B(2016)零射分类的潜在嵌入物。在:IEEE计算机视觉和模式识别会议,拉斯维加斯,内华达州,美国,第69-77页
[130] Xian Y,Lampert C,Schiele B,Akata Z(2018)零镜头学习:对好、坏和丑的综合评价。IEEE Trans-Pattern Anal-Mach Intell公司。https://doi.org/10.1109/TPAMI.2018.2857768
[131号] 薛勇,廖X,Carin L,Krishnapuram B(2007),基于Dirichlet过程先验的分类多任务学习。机械学习杂志8:35-63·Zbl 1222.68338
[132] Yen IE,Huang X,Ravikumar P,Zhong K,Dhillon IS(2016)Pd稀疏:极端多类和多标签分类的原始和双重稀疏方法。第33届机器学习国际会议论文集,纽约市,美国,第3069-3077页
[133] Zhang Y,Schneider J(2011)使用典型相关分析的多标签输出代码。In:人工智能中的不确定性
[134号] Zhang D,Shen D(2012)阿尔茨海默病多元回归和分类变量联合预测的多模式多任务学习。神经影像学59(2):895-907
[135] 张勇,杨德(2010)多任务学习中学习任务关系的凸公式。第26届人工智能不确定性会议论文集,第733-742页
[136] 周杰,陈杰,叶杰(2011a)基于交替结构优化的集群多任务学习。神经信息处理系统进展
[137] 周杰,袁磊,刘杰,叶杰(2011b)一种用于预测疾病进展的多任务学习公式。在:Apté,Ghosh J,Smyth P(编辑),《ACM SIGKDD知识发现和数据挖掘国际会议论文集》,ACM,814-822页
[138] 周杰,刘杰,纳拉扬,叶杰(2012a)融合稀疏群套索模型疾病进展。在:第18届ACM SIGKDD知识发现和数据挖掘国际会议论文集,ACM,纽约,美国,KDD'12,第1095-1103页
[139号] Zhou T,Shan H,Banerjee A,Sapiro G(2012b)核化概率矩阵分解:利用图和边信息。在:第12届暹罗国际数据挖掘会议,暹罗,第403-414页
[140] 周梓,张M(2007)多实例多标签学习及其在场景分类中的应用。神经信息处理系统进展,第19卷
此参考列表基于出版商或数字数学图书馆提供的信息。它的项被试探性地匹配到zbMATH标识符,并且可能包含数据转换错误。它试图尽可能准确地反映原始论文中列出的参考文献,而不要求匹配的完整性或精确性。