報告題目：基于差向量分布标準化的多任務混合效應模型學習
報告摘要：
在許多現實世界的多任務學習中，遷移學習作為加速模型學習、提高模型效果的學習範式具有廣泛的應用和成果。而在目前的大數據學習任務中，遷移學習由于任務數量的增加遇到了應用瓶頸。作為遷移學習在大規模數據情景下的改進，相互遷移學習範式有着重要的研究意義。然而，前人關于相互遷移學習的研究與方法存在計算時間複雜度高、無法滿足多任務線性混合模型假設等問題。本報告将展示為了克服這些挑戰而提出的标準化任務距離這一新距離度量，并進一步介紹面向相互轉移學習的差向量标準化多任務混合效應模型學習方法。
個人介紹：
徐浩卿，來自bet356手机版唯一官网登录，2022級研究生新生，導師為王貝倫老師。主要的研究方向為大規模機器學習、多任務學習、遷移學習等。本科階段至今參與四篇論文等多項科研工作，以第一作者發表頂會論文一篇（ICML2022）。