逐次マルチタスク学習における選択的知識移転に関する基礎的研究

抄録

複数のタスクを同時に学習することで，各タスクを個別に学習するよりも高速で精度の高い学習を行うことを目指す“マルチタスク学習”が機械学習で注目されている．本研究では個別タスクをパターン認識に限定し，それらが逐次的にシステムに与えられる環境を仮定する．この環境の下で効率のよい学習を行うため，タスク間関連度をマハラノビス距離を用いて逐次的に計算し，関連の高いタスクの知識を選択的に知識移転するニューラルネットモデルを提案する．