2018 Variable Selection and Task Grouping for Multi-Task Learning

[MAEA2]

論文リンク

https://arxiv.org/abs/1802.04676

どんなもの？

MTLのlow-rank approachの新手法を提案。重み行列Wを2つのlow-rankな行列積UVに分解する。Uはvariable selection に関する行列、Vはtask groupingに関する行列。Vがタスクごとに程よくスパースになるようにk-support normで正則化を行う。

先行研究と比べてどこがすごい？

• variable selection と task groupingを同時にやった。
• k-suoportノルムをtask groupingに導入した。
• 最適値とのupper boundを与えている。

技術や手法のキモはどこ？

• W=UVに分解した点
• k-support normを用いた点

どうやって有効だと検証した？

人工データと実データで検証し、既存手法よりも良い結果を出した。

議論はある？

計算時間など。

次に読むべき論文は？

[MAEA2]

どんなもの？

先行研究と比べてどこがすごい？

技術や手法のキモはどこ？

どうやって有効だと検証した？

議論はある？

次に読むべき論文は？