研究人员推出了一种新颖的光谱迁移方法SMART，旨在增强多任务学习，尤其是在目标数据集较小的情况下。该方法假设源模型和目标模型之间存在光谱相似性，从而实现了超越传统有界差分假设的迁移。SMART利用包含来自源研究的光谱信息的结构化正则化来估计目标系数矩阵，仅需要一个已拟合的源模型，而无需原始数据。该方法在模拟和单细胞数据分析中均显示出改进的估计精度和鲁棒性。 AI
影响 引入了一种用有限目标数据改进多任务学习的新方法，可能使各种机器学习应用受益。
排序理由 这是一篇详细介绍多任务学习新方法的学术论文。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
