实体
Elynn Chen
Elynn Chen
PulseAugur coverage of Elynn Chen — every cluster mentioning Elynn Chen across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
研究论文详细介绍新颖的矩阵估计迁移学习方法
这篇题为“低秩加稀疏矩阵迁移学习在表示和环境维度增长下的应用”的研究论文，探讨了用于结构化矩阵估计的迁移学习技术。该论文提出了一个框架，将源任务嵌入到更高维度的目标任务的子空间中，从而可以估计低维创新和稀疏修改。作者开发了一种锚定交替投影估计器，并建立了误差界限，在秩和稀疏度增量较小时可以提高性能。该框架应用于马尔可夫转移矩阵估计和结构化协方差估计，并提供了理论保证和经验验证。
-
新的强化学习方法通过贝尔曼对齐改进迁移学习
研究人员引入了一种名为一步贝尔曼对齐（RWT）的新方法，以改进在线强化学习中的迁移学习。该技术解决了在学习新目标任务时使用相关源任务数据所带来的挑战，这些数据可能引入偏差并使性能保证失效。RWT 纠正了任务转换中的不匹配，从而能够对源数据进行统计上有效的重用，并带来改进的遗憾界限，尤其是在使用 RKHS 等复杂函数逼近时。在表格和神经网络设置中的实证结果表明，RWT 的性能优于单任务学习和朴素数据池化。