BriefGPT.xyz
May, 2016
深度多任务表示学习：张量分解方法
Deep Multi-task Representation Learning: A Tensor Factorisation Approach
HTML
PDF
Yongxin Yang, Timothy Hospedales
TL;DR
本文提出了一种新的深度多任务表示学习框架，通过将矩阵分解技术泛化为张量分解，实现了深度网络中的端到端知识共享的自动学习，而不需要用户定义的多任务共享策略。实验证明了我们的深度多任务表示学习方法在提高准确性和减少设计选择方面的有效性。
Abstract
Most contemporary
multi-task learning
methods assume linear models. This setting is considered shallow in the era of
deep learning
. In this paper, we present a new deep multi-task
→