统一网络

同时编码显式与隐式知识，生成统一表示以服务多项任务。

Wang, Chien Yao · Yeh, I. Hau · Liao, Hongyuan

Journal of Information Science and Engineering 2023

技术优势

多任务共用表示

网络同时编码隐式知识和显式知识，生成的统一表示可以同时服务多项任务，无需为每个任务单独设计表示。

引入隐式知识提升性能

将隐式知识引入神经网络后，所有任务的性能都得到提升。

隐式表示捕获物理意义

分析表明，统一网络学到的隐式表示能够捕捉不同任务的物理意义，增强可解释性。

应用场景

• 多任务学习：用统一表示同时服务多项任务，省去为每项任务单独设计特征。
• 卷积神经网络：在卷积网络中做核空间对齐、预测精修和多任务学习。
• 隐式知识编码：将隐式知识与显式知识统一编码，提升模型对任务物理意义的捕捉。