Regularization-Based Multitask Learning With Applications to Genome Biology and Biological Imaging
Regularization-Based Multitask Learning With Applications to Genome Biology and Biological Imaging
复制标题
基于正则化的多任务学习及其在基因组生物学和生物成像中的应用
DOI：
10.1007/s13218-013-0283-y
复制
发表时间：
2014
期刊：
影响因子：
--
通讯作者：
G. Rätsch
中科院分区：
文献类型：
--
作者：
C. Widmer;M. Kloft;X. Lou;G. Rätsch
多任务学习的目的是通过利用任务的互补信息来提高一组相关任务的泛化性能。在本文中，我们回顾了已有的基于正则化的多任务学习方法，概述了一些最新的发展，并展示了它们在计算生物学和生物成像中的应用。
The aim of multitask learning is to improve the generalization performance of a set of related tasks by exploiting complementary information about the tasks. In this paper, we review established approaches for regularization based multitask learning, sketch some recent developments, and demonstrate their applications in Computational Biology and Biological Imaging.
通过多核学习推断多任务学习的潜在任务结构
影响因子：
3
作者：
Christian Widmer;Nora C. Toussaint;Y. Altun;G. Rätsch
通讯作者：
G. Rätsch