Fast and Sample-Efficient Relevance-Based Multi-Task Representation Learning

This letter explores an approach for task-relevant multi-task representation learning when the amount of data is limited for both source tasks and target tasks. Specifically, we consider a low-dimensional setting where the goal is to sample source task data based on their relevance so as to utilize...

Celý popis

Podrobná bibliografie

Vydáno v:	IEEE control systems letters Ročník 8; s. 1397 - 1402
Hlavní autoři:	Lin, Jiabin, Moothedath, Shana
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	IEEE 2024
Témata:	alternating gradient descent meta learning Minimization multi-task learning Multitasking Prediction algorithms Representation learning Task analysis Training Vectors
ISSN:	2475-1456, 2475-1456
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!