报告题目：基于差向量分布标准化的多任务混合效应模型学习
报告摘要：
在许多现实世界的多任务学习中，迁移学习作为加速模型学习、提高模型效果的学习范式具有广泛的应用和成果。而在目前的大数据学习任务中，迁移学习由于任务数量的增加遇到了应用瓶颈。作为迁移学习在大规模数据情景下的改进，相互迁移学习范式有着重要的研究意义。然而，前人关于相互迁移学习的研究与方法存在计算时间复杂度高、无法满足多任务线性混合模型假设等问题。本报告将展示为了克服这些挑战而提出的标准化任务距离这一新距离度量，并进一步介绍面向相互转移学习的差向量标准化多任务混合效应模型学习方法。
个人介绍：
徐浩卿，来自东南大学计算机科学与工程学院，2022级研究生新生，导师为王贝伦老师。主要的研究方向为大规模机器学习、多任务学习、迁移学习等。本科阶段至今参与四篇论文等多项科研工作，以第一作者发表顶会论文一篇（ICML2022）。