监督学习中的任务演化与性能保证

Verónica Álvarez, Santiago Mazuelas, Jose A. Lozano; 26(17):1−59, 2025.

摘要

多种监督学习场景由一系列分类任务组成。例如，多任务学习和持续学习旨在学习固定或随时间增长的任务序列。现有处理序列任务的学习技术针对特定场景定制，缺乏对其他场景的适应性。此外，大多数现有技术认为任务序列中的顺序无关紧要。然而，实际上序列中的任务通常是演化的，即连续任务往往具有更高的相似性。

本文提出了一种适用于多种监督学习场景并能适应演化任务的学习方法。与现有技术不同，我们提供可计算的严格性能保证，并从分析角度描述了有效样本量的增加。在基准数据集上的实验表明，所提出方法在多种场景中均实现了性能提升，且所呈现的性能保证具有可靠性。

[摘要][PDF][BIB]
[代码]