На Ð¿Ñ€Ð°Ð²Ð°Ñ Ñ€ÑƒÐºÐ¾Ð¿Ð¸ÑÐ¸

одновременно решаемых задач, связь между которыми осуществляется за счет
совместного использования промежуточных данных, формируемых на общем
для этих задач скрытом слое нейронов (см. Рис. 61). Это резко отличается от
традиционного однозадачного обучения, когда задачи по построению моделей
решаются полностью независимо друг от друга (см. Рис. 58 на стр. 266).
Рис. 61. Многозадачное обучение, при котором проводится одновременное построение
взаимосвязанных моделей. Обмен информацией между моделями
происходит за счет формирования единого внутреннего представления данных
в общем слое скрытых нейронов
Впервые термин «многозадачное обучение» был введен в математическую
литературу Р. Каруаной (R. Caruana), который в середине 90-ых годов
провел первые систематические исследования в этом направлении [485]. В частности,
им было показано, что использование многозадачного обучения приводит
к улучшению прогнозирующей способности статистических моделей в
том случае, если они являются взаимосвязанными [485]. Следует, однако, подчеркнуть,
что само понятие взаимосвязанности моделей в данном случае не
имеет ничего общего с фактом наличия корреляции между выходными свойствами:
условием взаимосвязанности моделей является хотя бы частичное наличие
общих или скоррелированных промежуточных данных, тогда как корреляция
между выходными значениями может отсутствовать. В частности, линейно-
271