多目标优化问题中的协作帕累托集学习
原文中文,约300字,阅读约需1分钟。发表于: 。多目标优化中的 Pareto 集学习是一个新兴的研究领域,该论文提出了一种协同 Pareto 集学习 (CoPSL) 框架,通过共享层和特定于 MOP 的层的协同处理,以高效地学习多个 MOP 的 Pareto 集。实验证明了 CoPSL 在模拟 Pareto 集方面的出色效率和稳健性。
本文提出了一种新的高效方法,用于生成局部连续的Pareto集和Pareto fronts,并应用于现代机器学习问题。通过基于样本的稀疏线性系统,将多目标优化理论扩展到机器学习,并实现了局部Pareto集的分析。通过在多任务分类和回归问题上的应用,证明了该算法在平衡权衡、找到更多不同权衡解以及处理百万级参数任务方面的能力。