Jun, 2024
为每个任务提供所需的条件 —— 利用结构稀疏性进行个性化多任务学习
Giving each task what it needs -- leveraging structured sparsity for tailored multi-task learning
Richa Upadhyay, Ronald Phlypo, Rajkumar Saini, Marcus Liwicki
TL;DR通过引入层优化的多任务(LOMT)模型,利用结构化稀疏性来优化任务选择性特征,并提高多任务学习(MTL)框架的性能,将任务特定的解码器连接到经过策略性识别的层,实现网络的定制化架构,减少冗余,优化网络。