论文研究多任务学习的研究 .pdf

针对自然图像内容结构复杂、难以区分的实际情况,提出了一种基于多任务学习的自然图像分类方法。通过额外任务来辅助主任务的学习,构造了衡量任务间相关性大小的相关性矩阵,提出了主任务联合额外任务共同决策的学习

Previous studies have demonstrated that the use of integrated information from multi-modalities coul

面向多任务的人员指派问题的研究，张涛，，面向多任务的人员指派是指根据多个任务之间的关系，找出一个最合适的人员指派，使得指派的人员执行任务的效益最大。这种效益通常

传统的多agent多任务分配往往采用集中式的分配方法。由于集中式分配方法存在计算量大且易造成通信拥塞的不足，近年来又产生了各种分布式分配算法，但分布式算法容易陷入局部最优，影响分配效果。针对动态环境中

最近,成功地提出了几种深度学习模型,并将它们应用于解决不同的自然语言处理(NLP)任务。 但是,这些模型基于单任务监督学习解决了问题,并且没有考虑任务之间的相关性。 基于这种观察,本文实现了一种多任务

对于数据流的处理，现有的在线学习算法在准确性上仍有欠缺，故提出一种新的多任务多核在线学习模型用于提高数据流预测的准确性。在保持多任务多核学习的基础上，将其扩展到在线学习中，从而得到一个新的在线学习算法

多任务学习通过寻找并共享不同任务域之间的共性特征来完成学习，利用知识迁移加速不同任务域的学习为每个任务域构建一个分类器。提出了一种基于罗杰斯特回归模型的多任务学习方法MTC-LR（Multi-task

基于演化算法的多任务优化研究 摘 要 多任务优化是优化领域中一个新兴的研究方向研究如何同时有效地处理多个优 化问题基于演化算法的多任务优化利用基于种群搜索的潜在并行性来实现多个优化问 题的跨域优化相比

多车场多车型多任务的车辆调度优化是城市配送中的典型问题。针对该问题从空驶成本、运输成本和时间成本三个维度构建了一个VRP的数学模型，并采用自适应多态蚁群算法对模型加以求解。通过实例仿真，将仿真优化结果

对AUV协同设计平台中多个任务流的调度问题进行建模，将其转换为分布式计算环境下的独立任务在线调度问题。针对系统异构和任务流具有优先级属性的特殊性，提出了一种基于预测的多任务流调度算法，采用统计和预测的