清晨好,您是今天最早来到科研通的研友!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您科研之路漫漫前行!

Multi-task twin support vector machine with Universum data

计算机科学 支持向量机 任务(项目管理) 人工智能 机器学习 数据挖掘 管理 经济
作者
Hossein Moosaei,Fatemeh Bazikar,Milan Hladík
出处
期刊:Engineering Applications of Artificial Intelligence [Elsevier]
卷期号:132: 107951-107951
标识
DOI:10.1016/j.engappai.2024.107951
摘要

Multi-task learning (MTL) has emerged as a promising topic of machine learning in recent years, aiming to enhance the performance of numerous related learning tasks by exploiting beneficial information. Traditionally, during the training phase, existing multi-task learning models focused solely on the data related to the target task. In our approach, Universum data, which does not belong to any class in the classification problem but belongs to the same domain as the target data, is incorporated into classifier training as prior knowledge. This study looks at the challenge of multi-task learning using Universum data to employ non-target task data, which leads to better performance. It proposes a multi-task twin support vector machine with Universum data (UMTSVM) and provides two approaches to its solution. The first approach takes into account the dual formulation of UMTSVM and tries to solve a quadratic programming problem. The second approach formulates a least-squares version of UMTSVM and refers to it as LS-UMTSVM to further increase the generalization performance. The solution of the two primal problems in LS-UMTSVM is simplified to solving just two systems of linear equations, resulting in an incredibly simple and quick approach. Numerical experiments on several popular multi-task data sets and medical data sets demonstrate the efficiency of the proposed methods.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
席江海完成签到,获得积分10
6秒前
Tong完成签到,获得积分0
8秒前
个性仙人掌完成签到 ,获得积分10
9秒前
aiyawy完成签到 ,获得积分10
19秒前
彩色的芷容完成签到 ,获得积分20
47秒前
creep2020完成签到,获得积分10
1分钟前
HuiHui完成签到,获得积分10
1分钟前
1分钟前
清爽明辉发布了新的文献求助10
1分钟前
我是雷锋完成签到,获得积分10
2分钟前
刘刘完成签到 ,获得积分10
2分钟前
2分钟前
lyz发布了新的文献求助10
2分钟前
思源应助清爽明辉采纳,获得10
3分钟前
lyz完成签到,获得积分10
3分钟前
脑洞疼应助科研通管家采纳,获得10
3分钟前
牛奶开水完成签到 ,获得积分10
3分钟前
褚明雪完成签到,获得积分10
3分钟前
3分钟前
陈无敌完成签到 ,获得积分10
3分钟前
4分钟前
4分钟前
CipherSage应助喝奶茶睡不着采纳,获得10
4分钟前
5分钟前
5分钟前
细心的语蓉完成签到,获得积分10
5分钟前
完美耦合发布了新的文献求助50
5分钟前
6分钟前
清爽明辉发布了新的文献求助10
6分钟前
chcmy完成签到 ,获得积分0
6分钟前
鹏826完成签到 ,获得积分10
6分钟前
九九完成签到,获得积分10
6分钟前
1234567完成签到,获得积分10
7分钟前
英姑应助科研通管家采纳,获得10
9分钟前
SciGPT应助科研通管家采纳,获得10
9分钟前
carrot完成签到 ,获得积分10
9分钟前
woxinyouyou完成签到,获得积分0
9分钟前
10分钟前
科研搬运工完成签到,获得积分10
10分钟前
chi完成签到 ,获得积分10
11分钟前
高分求助中
The Oxford Handbook of Social Cognition (Second Edition, 2024) 1050
Kinetics of the Esterification Between 2-[(4-hydroxybutoxy)carbonyl] Benzoic Acid with 1,4-Butanediol: Tetrabutyl Orthotitanate as Catalyst 1000
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
Rechtsphilosophie 1000
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
Handbook of Qualitative Cross-Cultural Research Methods 600
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3139615
求助须知:如何正确求助?哪些是违规求助? 2790490
关于积分的说明 7795394
捐赠科研通 2446958
什么是DOI,文献DOI怎么找? 1301526
科研通“疑难数据库(出版商)”最低求助积分说明 626259
版权声明 601176