정보 벡터 머신으로 배우는 법

이 논문은 가우시안 프로세스(GP)의 파라미터를 학습하는 효율적인 방법을 설명합니다. 파라미터는 동일한 GP 사전에서 독립적으로 추출된 것으로 가정한 여러 작업에서 학습됩니다. 효율적인 알고리즘은 정보 벡터 머신(IVM) 알고리즘을 다중 작업 학습 경우에 맞게 확장함으로써 얻어집니다. 다중 작업 IVM(MTIVM)은 개별 작업에서 가장 정보가 많은 예제를 탐욕적으로 선택하여 계산을 절약합니다. MT-IVM은 인공 데이터셋에서 무작위 하위 샘플링보다 더 효율적이며, 화자 의존 음소 인식 작업에서는 전통적인 IVM보다 더 효과적임이 입증되었습니다.