论文部分内容阅读
多任务学习方法在机器学习、计算机视觉、人工智能领域已得到广泛关注，利用任务间的相关性，将多个任务同时学习的效果优于每个任务单独学习的情况．采用多任务Lasso回归法（Multi—task Lasso Regression）用于恒星光谱物理参量的估计，不仅可以获取不同物理参量间的共同的特征信息，而且也可以很好地保留不同物理参量的特有的补充信息．使用恒星大气模拟模型合成光谱库ELODIE中的光谱数据和美国大型巡天项目Sloan发布的SDSS实测光谱数据进行实验，模型估算精度优于相关文献中的方法，特别是对重力加