多任务学习 线性回归
时间: 2023-08-30 17:13:07 浏览: 46
在多任务学习中,线性回归是一种常用的方法。在每个训练步骤中,我们可以将每个任务视为一个团队,试图用与训练算法在任务上最小化损失所需的动量相当的张力来拉动拔河比赛。这意味着在每个增量步骤中,模型需要在所有先前和当前的任务上进行评估,以平衡张力。如果某个任务在特定时间点上不存在,模型的参数空间将被更新为由剩余任务占据。经验重放方法中同时包含来自所有先前任务的数据,有助于更好地平衡拔河比赛的各方面的张力,同时没有单个任务目标完全支配训练标准。这样,经验回放增强了每个任务的可信度。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* *2* *3* [持续学习和多任务学习的区别_持续学习我们在哪里](https://blog.csdn.net/weixin_26715991/article/details/109070298)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT0_1"}}] [.reference_item style="max-width: 100%"]
[ .reference_list ]