本文介绍了如何将多任务学习转化为多目标优化问题，特别是单个帕累托解的求解方法。通过引用Sener和Koltun的论文，详细探讨了在两个任务场景下优化问题的转换和解的几何解释，以及如何应用Frank-Wolfe算法。此外，还提到了多目标优化的KKT条件和下降方向的概念。
六、 多任务求解
6.1 单个帕累托解
参考论文： Sener, O. and Koltun, V. Multi-task learning as multi- objective optimization. In Advances in Neural Informa- tion Processing Systems, pp. 527–538, 2018.
6.1.1 问题转化
单个帕累托解，主要参考了论文[9]。这里使用了多重梯度下降算法，基本原理参考笔者:
张大快：多目标优化(四): 梯度下降算法zhuanlan.zhihu.com
由多目标优化的KKT条件，我们可以得到：
- 存在
使得：
- 对应所有的任务
最低0.47元/天 解锁文章
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
