CarpeDiem

本篇主要综合网上博客关于多任务学习的资料， 包括参数硬共享机制和软共享机制，多任务学习为什么有效，以及传统方法和深度学习中使用的多任务，最后引入辅助任务并对比于其他算法的关系。

本文主要介绍基于典型相关分析的多视图学习方法，为了克服传统CCA的不足：不能计算三个或三个以上视图的相关性；它只能计算视图之间的线性相关性；是一种无监督的方法，忽略了标签的信息的局限性，引入了广义、非线性、有监督的典型相关分析，最后介绍了这些方法在模式识别、跨模态检索与分类、多视图嵌入以及脑机接口中的应用。

多视角/多视图学习（Multi-view learning）是陶大成提出的一个研究方向。我们都知道，在机器学习中样本可以用不同的特征（如图片可以用LBP、SIFT等特征）来表示，或者从不同的角度进行观察（如从前后左右观察一个对象），甚至是采用不同的传感器来观测（如RGB摄像头，Depth摄像头），这些不同的观测手段、角度或特征在多视角学习中称为“视角”。多视角学习通过对不同的视角进行统一分析和研究，希望能够得到更好的分类或聚类等等的效果。