2022年10月07日:Multitask Feature Learning as Multiobjective Optimization: A New Genetic Programming Approach to Image Classification
- 主页 /
- 通知公告 /
- 通知公告
2022年10月07日:Multitask Feature Learning as Multiobjective Optimization: A New Genetic Programming Approach to Image Classification
【报告内容】
汇报人:戴可涛
汇报单位:太原理工大学
主题:《Multitask Feature Learning as Multiobjective Optimization: A New Genetic Programming Approach to Image Classification 》
1、Introduction
2、Background And Related Work
3、Proposed Approach
4、Experimental
5、Conclusion
【报告总结】
1. 在树的构建时,为什么会有两个外部的参数?
答:这两个参数是图像过滤/池化层的函数所需要的,由于在该层中需要的输入不同,input层就会输入不同的参数。
2. 最终测试不同任务时那5个非支配解是怎么来的?
答:算法最终输出的一组非支配解中,选出对于某个任务性能最好的5个解来作为测试时使用的解。
3. 得出来的帕累托前沿是一次跑出来的,还是针对不同的任务分别跑出来的?
答:该算法是一次得出一组非支配解,其中包括了不同的任务所需要的5个不同的非支配解。
4. 什么是过度拟合?
答:举一个例子来说,在机器学习中,得出来的解对于训练集来说拥有非常好的结果,但是对于测试集来说,得出的结果非常不理想,这种现象就成为过度拟合。
报告时间:2022年10月07日19:30
腾讯会议ID:371 3868 6615
点我下载本讨论课相关文献或PPT吧~(提取码:iipr)