13、基于高级任务描述符的终身零样本学习

基于高级任务描述符的终身零样本学习

1. 算法介绍

1.1 TaDeLL算法

TaDeLL（k, λ, µ）算法步骤如下：

1: L ← RandomMatrixd,k, D ← RandomMatrixm,k
2: while some task (Z(t), φ(m(t))) is available do
3:     T(t) ← collectData(Z(t))
4:     Compute α(t) and Γ(t) from T(t)
5:     s(t) ← arg mins ||β(t)−Ks||²A(t) + µ∥s∥1
6:     L ← updateL(L, s(t), α(t), Γ(t), λ)  # Eq. 6.3–6.5
7:     D ← updateD(D, s(t), φ(m(t)), ρIdm, λ)  # Eq. 6.3–6.5
8:     for t ∈ {1, ..., T} do: θ(t) ← Ls(t)
9: end while

该算法通过不断处理可用任务，更新字典 $L$ 和 $D$，最终得到每个任务的模型参数 $\theta(t)$。

1.2 TaDeMTL算法

TaDeMTL（k, λ, µ）算法步骤如下：

1: L ← RandomMatrixd,k, D ← RandomMatrixm,k
2: T(t) ← collectallData(Z(1), ... Z(T))