#Paper Reading# ELLA: An Efficient Lifelong Learning Algorithm

论文题目：ELLA: An Efficient Lifelong Learning Algorithm

论文地址：http://www.jmlr.org/proceedings/papers/v28/ruvolo13.pdf

论文发表于：International Conference on Machine Learning（ICML） 2013（A类会议）

论文大体内容：

本文提出一种高效的Lifelong Learning算法，主要包括Knowledge Base（sparsely shared basis），使用Knowledge Base进行transfer learning，更新Knowledge Base等操作。最终的效果跟 batch multi-task learning（GO-MTL[1]）基本一样，但是速度上快了3个数量级（1000多倍）。本文主要的motivation在于速度的提升。

1、transfer，multitask和lifelong的区别[3]：



2、Lifelong learning的framework：



3、本文使用参数方法（如线性回归，逻辑回归等）进行训练模型，对于每个task t，参数为θ(t)，输入的样本X是d维的，优化方程如下：



其中L∈R^(d, k)，S(t)∈R^(k, 1)，θ(t)∈R^(d, 1)，θ(t)=L*S(t)；

优化方程就是要使预测的loss function最小化，同时为了减少每个task对于隐藏层的使用，所以加入S的稀疏性控制；

4、解优化方程常用的做法是使用类EM迭代的方式，分别迭代S与L（GO-MTL使用的方法），但是并不高效，主要有2方面：

①解法需要使用全部样本，计算量增大；

②每次L改变后，到更新S(t)的时候，需要把T个S都更新，带来特别大的计算量；

5、本文对这2方面的改进是：

①将模型改为增量式的，对优化方程作二阶泰勒展开；



②对于一个task t的数据，只更新S(t)，其它task t’的S(t’)不更新；

6、算法ELLA伪代码







①A∈R^(k*d, k*d)，b∈R^(k*d, 1)，L∈R^(d, k)，S(t)∈R^(k, 1)，θ(t)∈R^(d, 1)，其中d是X的feature数量，k是隐藏层维数，它们的关系是θ(t)=L*S(t)，L=mat(A^(-1)*b);

②来一个数据，判断是否为新task，然后相应的更新X，Y（创建新的或者合并到以前的数据中），若为旧task，将A，b减去已经累加过的旧task的值，保证A，b均是对每个task累加的值；

③利用常用的简单分类或者回归方法（如线性回归、逻辑回归等），训练出θ(t)，D(t)；

④将L的某一列或某几列置0（感觉没什么用）；

⑤使用Lm（上一次的L）更新S(t)；

⑥对(5)的方程求导为0，然后更新A，b，再通过L=mat(A^(-1)*b)更新L；

7、对于线性回归来说，θ(t)与D(t)分别是：



8、对于逻辑回归来说，θ(t)与D(t)分别是：



实验

9、Baseline：

①GO-MTL[1]：a batch MTL algorithm；

②OMTL[2]：a perceptron-based approach to online multi-task learning；

③STL：independent single-task learning；

10、Dataset：

①synthetic regression tasks：自定义的tasks，Tmax = 100 random tasks with d = 13 features and nt = 100 instances per task；

②land mine detection： 通过雷达图片找地雷；

③facial expression recognition：identification of three different facial movements from photographs of a subject；

④predicting student exam scores：from 15,362 students in 139 schools in London；



11、评测标准

①分类实验：AUC曲线；

②回归实验：rMSE；

12、实验步骤

①将每个task划分50%的作为training set，50%的作为testset；

②参数k∈[1, min(10,T/4)]，λ取{e−5; e−2; e1; e4}等值；

③一次进来task t下的一个样本，然后根据已有的所有该task下的样本，然后训练θ(t)，得到task下的参数；

④对于testset的样本，先看是哪个task的数据，再使用该task下的参数θ(t)进行预测；

13、实验结果：

①与batch MTL结果差不多100%一样（效果几乎没变化）；



②时间提高了3到5个数量级（1000-100000）；



③随着task数目增加，准确率是不断的变大，并慢慢收敛的；



参考资料：

[1]、https://arxiv.org/ftp/arxiv/papers/1206/1206.6417.pdf

[2]、http://www.jmlr.org/proceedings/papers/v15/saha11b/saha11b.pdf

[3]、https://www.cs.uic.edu/~liub/Lifelong-Machine-Learning-Tutorial-KDD-2016.pdf

[4]、http://www.seas.upenn.edu/~eeaton/papers/slides-Ruvolo2013ELLA.pdf

以上均为个人见解，因本人水平有限，如发现有所错漏，敬请指出，谢谢！