본 연구는 각 작업의 결과 유형에 맞게 조정된 작업별 손실 함수에 의존하는 기존 다중 작업 학습의 한계를 극복하기 위해 심층 다중 작업 변환 프레임워크를 제안합니다.
예측 변수의 차원이 샘플 크기와 함께 발산하는 고차원 생물학적 응용 분야에 맞춰 작업 간 공유 희소성을 고려하며, 순위 기반 기준을 최적화하여 중요 예측 변수를 식별합니다.
시뮬레이션 연구와 유전자 발현 연구 분석 결과, 제안된 방법은 예측 및 변수 선택 성능이 뛰어나며 생물학적으로 의미 있는 공유 예측 변수를 식별합니다.