偏好學習的若干關鍵技術研究

《偏好學習的若干關鍵技術研究》是依託鄭州大學，由牛常勇擔任項目負責人的青年科學基金項目。

基本介紹

• 中文名：偏好學習的若干關鍵技術研究
• 項目類別：青年科學基金項目
• 項目負責人：牛常勇
• 依託單位：鄭州大學

項目摘要

本項目在對現有文獻綜述基礎上發現目前的偏好學習方法中對於排序函式的函式表示方面研究不足，偏好學習方法均採用淺層結構學習算法，這類結構對於處理高可變函式效率很低（需要大量的訓練數據），但同時我們前期工作預示:為了達到更為準確的結果，偏好學習需要具有學習高可變函式的能力。本項目擬在偏好學習中引入深層學習方法，並對若干關鍵技術進行研究，主要研究內容包括如何引入深層學習思想使得偏好學習算法更好地處理複雜函式；研究如何根據偏好學習的特性採用適當的正則化方法控制深層學習方法的偏好模型複雜度；研究如何在引入深層學習方法的偏好學習模型中解決算法在大數據集（包含大量未標記數據）上的可擴展性問題。本項目的研究對於深層學習方法中不同目標函式下的偏好模型複雜度控制，以及對於已標記、未標記數據的不同處理提高偏好學習算法的可擴展性具有一定的意義。

結題摘要

關於偏好學習的若干關鍵技術研究，本項目在對現有文獻綜述基礎上發現目前的偏好學習方法對於排序函式的函式表示方面研究不足。研究發現，從此方面最佳化高可變函式的處理效率，可以大量減少所需要的訓練數據。為了達到更好的實驗效果，偏好學習需要具有學習高可變函式的能力。通過引入深層學習思想使得偏好學習算法可以更好地處理複雜函式；根據偏好學習的特性採用適當的正則化方法控制深層學習方法的偏好模型複雜度；引入深層學習方法的偏好學習模型解決算法在包含大量未標記數據集上的可擴展性問題；提出多尺度卷積神經網路模型，提高神經網路在保持特徵一致性和提取低維特徵的能力。我們使用一個恰當的結構進行了自然場景下車牌探測和手寫體數字識別實驗，均達到了很好的效果。