• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    機器學習中的負遷移探討

    2010-10-09 07:52:22吳伊萍
    赤峰學院學報·自然科學版 2010年8期
    關鍵詞:多任務貝葉斯度量

    吳伊萍

    (泉州師范學院 數(shù)學與計算機科學學院,福建 泉州 362000)

    機器學習中的負遷移探討

    吳伊萍

    (泉州師范學院 數(shù)學與計算機科學學院,福建 泉州 362000)

    傳統(tǒng)的機器學習側重于研究單一任務,假設訓練數(shù)據(jù)和測試數(shù)據(jù)服從同樣的概率分布,然而實際中這一條件往往無法滿足,且對于不同任務的研究較少,這些就需要遷移學習.它可以從現(xiàn)有的任務中學習知識和技能用于將來的任務.然而使用遷移學習則要承擔負遷移的風險.本文介紹在增強學習、多任務學習和歸納學習中避免負遷移的方法.

    遷移學習;避免負遷移;任務相關;綜述

    1 引言

    漢語拼音的學習有助于學習英語發(fā)音;英語的學習有助于學習法語;練短跑有助于提高三級跳成績等.人們很早就懂得運用已掌握的知識和技能學習新任務.不同人的學習能力不同,隨著知識的積累,一般成人的學習能力比小孩高.而提高機器的學習能力則要使機器學習的能力不斷提高,繼承和發(fā)展過去已掌握的知識和技能,實現(xiàn)增量學習.但正如Porter和Duncan[1]的研究發(fā)現(xiàn)在A到B之間遷移有效,但A到BR之間就有害,及“一朝被蛇咬,十年怕井繩”.這些都表明負遷移的存在及其危害.

    目前遷移學習在機器學習的一些領域,如神經(jīng)網(wǎng)絡、層次貝葉斯、增強學習、多任務學習和歸納學習的研究已經(jīng)取得了一定的進展.為了促進遷移學習在其他機器學習上的推廣,預防負遷移,這篇文章我們討論負遷移及其預防機制.主要討論其在增強學習、多任務學習和歸納學習上的避免方法.

    2 概要

    2.1 遷移學習和負遷移研究現(xiàn)狀

    遷移學習來源于認知科學[25],人們利用已掌握的經(jīng)驗知識學習新事物,它包括行為遷移和知識遷移.在機器學習領域,不同時期由于不同的研究對象人們提出了不同名稱的遷移學習.1995年,NIPS-95工作室提出“學會學習(learning to learn)”[23];Caruana“多任務學習 (Multi-task learning)”[18];Raina“自學習(self-taught leaning)”[24]等.有些人提出了一些遷移學習研究的統(tǒng)一框架,如戴文淵——特征遷移[4]等.目前從事遷移學習的研究機構有香港科技大學計算機科學與工程系,美國威斯康星大學(University of Wisconsin,USA)機器學習實驗室,加利福尼亞伯克利分校和麻省理工學院等.在近幾年的頂級國際會議上,如ICML,ECML/ PKDD,KDD,IJCAI等和遷移學習相關的文章有不少,可參見香港科大的網(wǎng)頁[3].隨著認知心理學等相關學科的發(fā)展,在未來的一段時間里,遷移學習將成為機器學習和人工智能研究領域的主要方向.

    負遷移是遷移學習過程中不可回避的問題.如會開小汽車后學習開大卡車就比較容易,但會騎自行車就要學開大卡車就很困難.雖然都是車,由于大卡車和小汽車的結構、發(fā)動和駕駛原理相似,但和自行車相差甚遠.同樣學習系統(tǒng)在一個新的場景中,如果套用原有場景的方法一味蠻干則會降低學習質(zhì)量.

    2.2 相關概念定義

    遷移學習的概念目前沒有嚴格統(tǒng)一的定義,按照NIPS2005對遷移學習的定義進行描述.“Transfer Learning emphasizes the transfer ofknowledge across domains,tasks,and distributions that are similar but not the same.”遷移學習強調(diào)的是在相似但不同的領域、任務和分布之間知識的遷移.

    源任務指機器已掌握的相對于新任務不同的數(shù)據(jù)集.

    目標任務指機器要學習的新任務的數(shù)據(jù)集.

    負遷移,在機器學習領域還沒有給出嚴格的定義.在此,我們定義為:舊的知識或經(jīng)驗阻礙或干擾新任務的學習.

    3 避免負遷移的途徑

    遷移學習的三個要素是:What to transfer;How to transfer;When to transfer,即遷移什么,怎樣遷移和什么時候遷移.人們從縱多的經(jīng)驗知識中選擇適合于新任務的知識,要能在合適的時間用合適的方法遷移挑選的舊知識于新知識中.遷移的內(nèi)容從認知科學的角度包括知識和行為;遷移的方法Robins[25]指“analogy,skill transfer and metaphor”——類推,行為遷移和比喻.這對于人來說尚且不易,更不要說是機器.在機器進行遷移學習的過程中,如果候選任務選擇不當或遷移的內(nèi)容不當或遷移時機不當都會造成負遷移.在避免負遷移的研究中仍有許多問題值得探討,在此按照以下三方面討論:(1)排除有害信息(2)度量任務相似度(3)選擇源任務.

    Table1:Approaches to avoid negative transfer

    Table2:Different settings of negative transfer

    3.1 排除有害信息

    排除有害信息是避免負遷移的重要方法之一.對于相似度極高的源目標任務,學習系統(tǒng)可能忽略目標任務的特定屬性,進行簡單的模仿,由此降低系統(tǒng)的性能.在增強學習中,存在多系統(tǒng)或多任務交互的情況,代理遷移先前學習的知識如策略或Q值時,可能采用原有單一系統(tǒng)的方法,這樣就會造成負遷移.在交互任務中,學習系統(tǒng)要能夠排除來自于自身環(huán)境或外來任務的干擾或有害的信息,才能進行有效地遷移學習.

    對于相似度極高的兩個任務,遷移學習有時會阻礙學習系統(tǒng)的性能,Rosenstein和Marx[8]給出了使用目標任務中的少量數(shù)據(jù)來檢測和避免負遷移的方法.他們提出層次樸素貝葉斯方法,在假設兩個任務具有相同的超驗分布,未知的均值和小方差,計算小樣本的后驗概率.樸素貝葉斯和分層體制結合,用來檢測和避免負遷移,簡潔有效地判斷是否進行遷移.不足在于,他們?yōu)檫m應Dirichlet分布為所有用戶設置一個共享參數(shù),但Dirichlet分布不適用于任意的雙峰分布,該模型無法處理多于一個任務的聚類.Roy和Kaelbling[28]提出Dirichlet過程混合模型,解決了這一問題.

    在大規(guī)模順序決策問題上,增強學習的解決方法之一是關系強化學習.學習系統(tǒng)通過代理與環(huán)境中的其它系統(tǒng)交互.但對于復雜的場景代理要選擇一個最優(yōu)策略也是很困難的.Croonenborghs等人[16]試圖在關系強化學習中學習關系抉擇(relational options)進行歸納遷移.他們構造一個擴展的抉擇框架用于分層關系抽?。╤ierarchical relational abstractions)來學習相似但不同的域.他們按照行為的形式遷移知識,將這些行為表示成關系抉擇,并設定初始和結束條件及策略.顯然,用Q函數(shù)(Q-function)代替最優(yōu)策略表示上容易多,只要確定“狀態(tài)——動作”序列求出Q值(Q-value),構造決策樹就能確定下一步的動作.

    Torrey等[19,20]提出征求建議來決定遷移源任務中的知識到目標任務中的方法.通過征求建議,遷移了共同知識,摒棄了不合理知識對目標任務的干擾.文中涉及的系統(tǒng)使用歸納邏輯程序涉及來分析源任務中的技能,根據(jù)遷移規(guī)則來決定采取什么行為.

    3.2 度量任務相似度

    任務或域的相似性度量是一個很難的問題,辨別新舊任務或域之間的相似點和相似程度,以確定是否進行遷移及遷移什么.針對不同的域和任務,人們提出了各種嘗試,經(jīng)過十幾年的研究,任務相似度的度量有了一定的進展.Silver等人[26],1996年,提出了基于相似度度量地使用動態(tài)學習比率的任務知識的并行遷移.

    Thrun和O’Sullivan等[13]為我們介紹了任務聚類的算法,幫助我們識別內(nèi)在相關的任務.它有助于在多任務學習時,規(guī)避不相關任務帶來的風險和潛在的誤導,增強學習系統(tǒng)的魯棒性.在同一個聚類中,如果從任務N遷移的知識越有助于改善學習系統(tǒng)學習任務M,則說明這兩個任務越相關.任務聚類算法共三步:(1)對于每一組任務N和M:計算從任務M遷移的知識對任務N的性能增益;(2)在每個任務聚類中最大化性能增益,將所有任務安排在一個更小的聚類中;(3)如果一個新任務來臨,決定最相似的聚類.從該類的某任務中選擇性地遷移知識.對于每個新遇到的新任務,通過任務聚類算法,找到其所在聚類,根據(jù)該聚類的特征學習新任務,有效地實現(xiàn)知識和技能的遷移.[10]Bakker等人也在貝葉斯的多任務學習上進行任務聚類和控制來避免負遷移.

    多任務學習是同時學習相關的任務,遷移學習是先學習一個相似但不同的源任務再將源任務中的知識遷移到目標任務.Ben-David和Schuler[9]在多任務學習中研究具有共同特征的相關任務集,并提出了針對相關任務的數(shù)據(jù)生成框模型及誤差界限.根據(jù)數(shù)據(jù)生成模型,學習者可以計算任務屬性值.如果任務P和T之間對于任意屬性Tri有P(Tri)=T(F(Tri)),則稱任務P和T滿足函數(shù)F相似,則這兩個任務稱為相關任務.這為任務相關又提供了一種改進的度量方法.不足之處在于,要找到函數(shù)F不易.

    Carroll和Seppi[17],2005年在增強學習任務庫中,根據(jù)遷移方法的不同提出了任務相似性的度量的指標,包括時間、策略覆蓋、Q值和獎賞結構分別用dT,dP,dQ,和dR表示.

    Mahmud和Ray[6]從貝葉斯的角度來逼近計算任務相似度.他們使用條件Kolmogorov復雜性的假設,巧妙地解決了任務相似度地度量.條件的Kolmogorov復雜性的輸入變量是h’,輸出變量是h,其概率分布式K(h|h’),用來衡量輸入對輸出的積極信息.對于目標任務,它的先驗概率來自于源任務的學習,因此計算每個候選項的概率P(·|h’)=2-K(·|h’),從而決定目標任務要從源任務重遷移適當?shù)男畔⒘?該方法的特點是一先驗概率的計算容易;二能達到預先的目的——合理的遷移先驗知識比不遷移先驗知識的好.

    3.3 選擇源任務

    遷移的知識各種各樣,如增強學習中的值函數(shù)或啟發(fā)式信息或關系.學習系統(tǒng)在遇到新任務時,存在某個遷移的知識點上有多個候選任務同時可以進行遷移.如果學習系統(tǒng)沒有篩選候選任務,可能因此造成負遷移.

    當面對多任務時,增強學習中代理做出正確的抉擇很困難.Talvitie等人[21]使用直接的方法——基于Markov過程理論的隨機動態(tài)系統(tǒng)的最優(yōu)決策過程(Markov Decision Process,MDP)來遷移.首先,對于每個候選項,在目標任務上在固定的時間內(nèi)運行MDP并按照它們的性能排序;其次,從前一次的排序結果中選出最優(yōu)策略繼續(xù)執(zhí)行;比較第i次與第i+1次的最優(yōu)策略,如果第i+1次比第i次來得差,則結束.對于問題規(guī)模大的情況,該方法盡管費時,但簡單實用.此外,MDP具備完善的理論和評估指標.

    在計算機和數(shù)學領域,圖是構建實體關系的工具.Kuhlmann和Stone[22]、Dai等人[4]和Eaton等人[7]在遷移學習的研究上葉提出構造圖來表示任務和規(guī)則.他們都提出基于來實現(xiàn)學習的遷移,但實現(xiàn)上卻有所不同.Kuhlmann和Stone[22]是尋求同構空間中的匹配,描述的是規(guī)則圖.節(jié)點代表一條規(guī)則中的邏輯語句、相關語句、常量和變量.順序邊連接的時連續(xù)的變量,為約束添加邊描述其前后因.通過計算目標任務和舊任務的規(guī)則圖是否同構,尋找同構的舊任務進行值函數(shù)遷移.

    Dai等人[4]提出針對遷移學習的統(tǒng)一框架,描述的是任務圖.實例、特征和標簽作為節(jié)點,邊連接目標任務和輔助數(shù)據(jù).通過學習任務圖的頻譜可以獲取其所有節(jié)點的特征空間表示.作者還提出了“特征聚類:用于遷移學習的統(tǒng)一框架”算法,用于進行目標聚類任務.特征遷移框架可以有效地解決跨域學習、跨分類學習、自學習三類典型的遷移學習問題.

    Eaton等人[7]對候選任務間的遷移關系建模,通過在一個圖中嵌入已學的源模型集合用于遷移性的度量.遷移到一個新的問題,通過把這個問題映射成一個圖.在這個圖上學習一個函數(shù),自動確定轉移到新任務的參數(shù).該方法類似于歸納遷移,沿著流形獲取任務間的遷關系.它直接對候選源任務間的關系建模,可以確保從多個候選任務中自動選擇相關信息遷移,避免人工選擇源任務帶來的負遷移.

    4 結束語

    遷移學習是機器學習和人工智能領域的重要研究方向,負遷移是遷移學習過程中必須面對的問題.遷移學習在增強學習、多任務學習、貝葉斯學習和歸納學習的研究已開展一段時間,這篇文章從三個方面介紹了它們避免負遷移的途徑——排除有害信息、度量任務相似度和選擇源任務.希望通過對負遷移避免方法的探討,有助于機器學習領域其他學習的遷移.此外,任務或域映射是與負遷移密切相關的問題,映射技術的提高有助于避免負遷移,是今后研究的一個方向.

    〔1〕LW Porter,CP Duncan Negative Transfer in VerbalLearning [J].JournalofExperimental Psychology,1953.

    〔2〕Sinno J.Pan,Qiang Yang.A Survey on Transfer Learning[C].IEEE Transactions on Knowledge and Data Engineering,2009,Vol.99,No.1.

    〔3〕http://www.cse.ust.hk/~sinnopan/conferenceTL. htm.

    〔4〕Wenyuan Dai,Gui-Rong Xue,Qiang Yang,Yong Yu,EigenTransfer:A Uni?ed Framework for Transfer Learning[C].Proceedings of the 26th International Conference on Machine Learning, 2009.

    〔5〕Z.Marx, M.T.Rosenstein, L.P.Kaelbling,and T.G.Dietterich.Transfer learning with an ensemble of background tasks[C].In NIPS Workshop on Transfer Learning,2005.

    〔6〕M.M.H.Mahmud and S.R.Ray.Transfer learning using kolmogorov complexity:Basic theory and empirical evaluations[C].Proceedings of Cambridge,MA:MIT Press,2008.985–992.

    〔7〕E.Eaton,M.desJardins,and T.Lane.Modeling transfer relationships between learning tasks for improved inductive transfer[C].In Machine Learning and Knowledge Discovery in Databases,European Conference,2008.

    〔8〕M.T.Rosenstein,Z.Marx,and L.P.Kaelbling.To transfer or not to transfer[C].In a NIPS-05Workshop on Inductive Transfer:10Years Later,December 2005.

    〔9〕S.Ben-David and R.Schuller.Exploiting task relatedness for multiple task learning[C].In Proceedings of the Sixteenth Annual Conference on Learning Theory.San Francisco: Morgan Kaufmann,2003.825–830.

    〔10〕B.Bakker and T.Heskes.Task clustering and gating for Bayesian multitask learning [J]. Journal of Machine Learning Reserch,vol.4. pp.83-99,2003.

    〔11〕A.Argyriou,A.Maurer,and M.Ponti.An algorithm for transfer learning in a heterogeneous environment[C].Proceedings of Machine Learning and Knowledge Discovery in Databases,European Conference[C].ECML/PKDD,2008,ser. Lecture Notes in Computer Science.Antwerp, Belgium:springer,September 2008,pp.71–85.

    〔12〕Jonathan Baxter.A model of inductive bias learning [J].Journal of Artificial Intelligence Research,12:149–198,2000.

    〔13〕Sebastian Thrun,Joseph O’Sullivan.Clustering Learning Tasks and The Selective Cross-Task Transfer of Knowledge[M].1995.In S.Thrun and L.Y.Pratt (eds),editors,Learning To Learn, chapter 10.Kluwer Academic Publisher,1998.

    〔14〕L.Torrey and J.Shavlik.Transfer Learning [M].In E.Soria,J.Martin,R.Magdalena, M.Martinez and A.Serrano,editors,Handbook of Research on Machine Learning Applications,IGI Global 2009.PP242-261.

    〔15〕Matthew E.Taylor,PeterStone.Transfer Learning in Reinforcement Learning Domains: A Survey[J].Journal of Machine Learning Research,10(2009).PP.1633-1685.

    〔16〕T.Croonenborghs,K.Driessens,andM.Bruynooghe. Learning relational skills for inductive transfer in relational reinforcement learning[C].In International Conference on Inductive Logic Programming,2007.

    〔17〕C.Carroll and K.Seppi.Task similarity measuresfortransferin reinforcementlearning task libraries[C].In IEEE International Joint Conference on Neural Net-works,2005.

    〔18〕R.Caruana.Multi-task learning[J].Machine Learning.1997,28(1):141-75.

    〔19〕L.Torrey,T.Walker,J.Shavlik,and R.Maclin [C].Using Advice to Transfer Knowledge Acquired in One Reinforcement Learning Task to Another.Proceedings of the 16th European Conference on Machine Learning,2005.

    〔20〕L.Torrey,J.Shavlik,T.Walker,and R.Maclin. Relational Skill Transfer via Advice Taking[C]. ICML Workshop on StructuralKnowledge Transfer for Machine Learning,2006.

    〔21〕E.Talvitie and S.Singh.An expertsalgorithm for transfer learning[C].In International Joint Conference on Artificial Intelligence,2007.

    〔22〕G.Kuhlmann and P.Stone.Graph-based domain mapping for transfer learning in general games[C].In European Conference on Machine Learning,2007.

    〔23〕http://www-2.cs.cmu.edu/Groups/NIPS/NIPS95/

    〔24〕Rajat Raina,Alexis Battle,Honglak Lee,Benjamin Packer and Andrew Y.Ng.Self-taught Learning:TransferLearning from Unlabeled Data[C].ICML2007.

    〔25〕Anthony Robins.Transfer in Cognition [J]. Connection Scinece,Vol.8,No.2,1996.

    〔26〕Daniel L.Silver,Robert E.Mercer.The Parallel Transfer of Task Knowledge Using Dynamic Learning Rates Based on a measure of Relatedness [J].Connection Science,Vol.8, No.2,1996.

    〔27〕http://multitask.cs.berkeley.edu/.

    〔28〕Daniel M.Roy and Leslie P.Kaelbling.Efficient Bayesian Task-Level Transfer Learning[C].Proceedings of the Twentieth International Joint Conference on Artificial Intelligence,2007.

    TP274.1

    A

    1673-260X(2010)08-0039-04

    猜你喜歡
    多任務貝葉斯度量
    有趣的度量
    模糊度量空間的強嵌入
    迷向表示分為6個不可約直和的旗流形上不變愛因斯坦度量
    基于中心化自動加權多任務學習的早期輕度認知障礙診斷
    貝葉斯公式及其應用
    基于判別性局部聯(lián)合稀疏模型的多任務跟蹤
    自動化學報(2016年3期)2016-08-23 12:02:56
    基于貝葉斯估計的軌道占用識別方法
    基于多任務異步處理的電力系統(tǒng)序網(wǎng)絡拓撲分析
    電測與儀表(2016年5期)2016-04-22 01:13:46
    地質(zhì)異常的奇異性度量與隱伏源致礦異常識別
    一種基于貝葉斯壓縮感知的說話人識別方法
    電子器件(2015年5期)2015-12-29 08:43:15
    美女扒开内裤让男人捅视频| 亚洲国产毛片av蜜桃av| 国产淫语在线视频| 亚洲九九香蕉| 久久精品国产99精品国产亚洲性色 | 很黄的视频免费| 美女扒开内裤让男人捅视频| 久久国产精品影院| 久久精品国产亚洲av香蕉五月 | 亚洲欧美一区二区三区久久| 身体一侧抽搐| 天天影视国产精品| 99在线人妻在线中文字幕 | 伊人久久大香线蕉亚洲五| 人妻一区二区av| 亚洲精品自拍成人| 男女高潮啪啪啪动态图| 久热爱精品视频在线9| 国产xxxxx性猛交| 欧美激情高清一区二区三区| 亚洲成a人片在线一区二区| 成人精品一区二区免费| 久久精品国产a三级三级三级| 国产三级黄色录像| 久久香蕉激情| 久久 成人 亚洲| 美女视频免费永久观看网站| 老汉色av国产亚洲站长工具| 欧美乱妇无乱码| 成人影院久久| 亚洲精品国产区一区二| 国产一区二区激情短视频| 欧美色视频一区免费| 国产日韩一区二区三区精品不卡| 999久久久精品免费观看国产| 久久精品国产清高在天天线| 亚洲色图 男人天堂 中文字幕| 国产区一区二久久| 在线播放国产精品三级| 美女国产高潮福利片在线看| 女人被躁到高潮嗷嗷叫费观| 欧美午夜高清在线| 午夜福利在线观看吧| 高清av免费在线| 99国产精品一区二区三区| 精品亚洲成a人片在线观看| 国产一区二区三区在线臀色熟女 | 一区二区三区国产精品乱码| 91字幕亚洲| 久久久国产精品麻豆| 日本一区二区免费在线视频| 美国免费a级毛片| 精品亚洲成国产av| 大型av网站在线播放| 大码成人一级视频| 老司机在亚洲福利影院| 日韩欧美一区视频在线观看| 桃红色精品国产亚洲av| 国产99久久九九免费精品| 亚洲国产欧美日韩在线播放| 一二三四社区在线视频社区8| 成人手机av| 久久热在线av| 亚洲全国av大片| 亚洲精品美女久久久久99蜜臀| 青草久久国产| 91精品国产国语对白视频| 成人av一区二区三区在线看| 99国产综合亚洲精品| 色婷婷av一区二区三区视频| 成年人午夜在线观看视频| 精品一区二区三卡| 欧美亚洲 丝袜 人妻 在线| 搡老乐熟女国产| 国产亚洲一区二区精品| videosex国产| 国产亚洲欧美98| av不卡在线播放| 国产精品久久久av美女十八| 午夜福利在线观看吧| 91大片在线观看| 国产亚洲一区二区精品| 老司机影院毛片| 日本vs欧美在线观看视频| 在线观看舔阴道视频| videos熟女内射| 欧美日韩乱码在线| 男女高潮啪啪啪动态图| 三上悠亚av全集在线观看| 美女高潮到喷水免费观看| 久久久精品国产亚洲av高清涩受| 欧美性长视频在线观看| 人妻 亚洲 视频| 一边摸一边抽搐一进一小说 | 成人亚洲精品一区在线观看| 国产成人免费观看mmmm| 一级黄色大片毛片| 捣出白浆h1v1| 视频区图区小说| 午夜日韩欧美国产| 亚洲片人在线观看| 在线观看午夜福利视频| 午夜日韩欧美国产| 久久国产精品男人的天堂亚洲| 亚洲aⅴ乱码一区二区在线播放 | 飞空精品影院首页| 中文字幕另类日韩欧美亚洲嫩草| 伦理电影免费视频| 天天躁夜夜躁狠狠躁躁| 免费观看人在逋| 高清av免费在线| 国产精品亚洲一级av第二区| 欧美日本中文国产一区发布| 精品久久久久久电影网| 热99国产精品久久久久久7| av欧美777| 一边摸一边抽搐一进一小说 | 香蕉丝袜av| 欧美一级毛片孕妇| 欧美日韩黄片免| 女人久久www免费人成看片| 国产亚洲欧美98| 成年人午夜在线观看视频| 国产欧美日韩一区二区三| 欧美精品一区二区免费开放| 一本综合久久免费| 在线永久观看黄色视频| 欧美乱妇无乱码| 热re99久久国产66热| 精品久久久久久,| 老鸭窝网址在线观看| 国产精品一区二区在线不卡| 黄色 视频免费看| 成人亚洲精品一区在线观看| 欧美另类亚洲清纯唯美| 午夜两性在线视频| 国产精品九九99| av片东京热男人的天堂| 精品少妇一区二区三区视频日本电影| 国产精品.久久久| 首页视频小说图片口味搜索| 在线观看www视频免费| 国产午夜精品久久久久久| 两人在一起打扑克的视频| 欧美日韩av久久| 深夜精品福利| 成年女人毛片免费观看观看9 | 免费观看人在逋| 丰满人妻熟妇乱又伦精品不卡| 999久久久精品免费观看国产| 亚洲av电影在线进入| 老司机午夜福利在线观看视频| 水蜜桃什么品种好| 色94色欧美一区二区| 久久久久视频综合| 欧美日韩黄片免| 大陆偷拍与自拍| 欧美日韩亚洲国产一区二区在线观看 | 亚洲精品国产色婷婷电影| 麻豆成人av在线观看| 国产欧美日韩精品亚洲av| 久久久精品国产亚洲av高清涩受| 国产精品亚洲一级av第二区| 日韩欧美免费精品| 一级毛片精品| 搡老岳熟女国产| 超色免费av| 看片在线看免费视频| 久久久国产欧美日韩av| a在线观看视频网站| 亚洲中文日韩欧美视频| 在线观看免费视频网站a站| 成人手机av| 香蕉久久夜色| 99re6热这里在线精品视频| aaaaa片日本免费| 成年版毛片免费区| 免费高清在线观看日韩| 久久人人爽av亚洲精品天堂| 十八禁高潮呻吟视频| 免费看十八禁软件| 无限看片的www在线观看| 80岁老熟妇乱子伦牲交| 极品人妻少妇av视频| 手机成人av网站| 国产欧美日韩精品亚洲av| 可以免费在线观看a视频的电影网站| 又紧又爽又黄一区二区| 国产精品.久久久| 校园春色视频在线观看| 妹子高潮喷水视频| 交换朋友夫妻互换小说| 亚洲av片天天在线观看| 日韩欧美三级三区| 高清av免费在线| 免费在线观看影片大全网站| 亚洲aⅴ乱码一区二区在线播放 | 欧美精品高潮呻吟av久久| 又大又爽又粗| 免费日韩欧美在线观看| 欧美日韩中文字幕国产精品一区二区三区 | 一级片免费观看大全| 欧美最黄视频在线播放免费 | 中文字幕人妻丝袜一区二区| 亚洲avbb在线观看| 少妇粗大呻吟视频| 久久精品91无色码中文字幕| 欧美乱色亚洲激情| 国产一区二区激情短视频| 欧美另类亚洲清纯唯美| 村上凉子中文字幕在线| 成年人黄色毛片网站| 老司机深夜福利视频在线观看| 深夜精品福利| 国内久久婷婷六月综合欲色啪| 久久人人97超碰香蕉20202| 最近最新免费中文字幕在线| 欧美性长视频在线观看| 亚洲中文av在线| 美女扒开内裤让男人捅视频| av线在线观看网站| 波多野结衣一区麻豆| 亚洲va日本ⅴa欧美va伊人久久| 亚洲熟妇中文字幕五十中出 | 欧美乱色亚洲激情| 成人亚洲精品一区在线观看| 一级毛片女人18水好多| 欧美午夜高清在线| 亚洲avbb在线观看| 亚洲国产精品sss在线观看 | 免费久久久久久久精品成人欧美视频| 国产在线一区二区三区精| 18在线观看网站| 无限看片的www在线观看| 一二三四社区在线视频社区8| 自拍欧美九色日韩亚洲蝌蚪91| 老熟妇仑乱视频hdxx| cao死你这个sao货| 精品久久久精品久久久| 十八禁网站免费在线| 91麻豆av在线| 国产亚洲精品第一综合不卡| 日韩有码中文字幕| 妹子高潮喷水视频| a在线观看视频网站| 两性午夜刺激爽爽歪歪视频在线观看 | 露出奶头的视频| 在线播放国产精品三级| 成年动漫av网址| 女警被强在线播放| 999久久久精品免费观看国产| 高清黄色对白视频在线免费看| 免费一级毛片在线播放高清视频 | 99re在线观看精品视频| 国产亚洲欧美98| 婷婷成人精品国产| 在线观看午夜福利视频| 欧美日韩精品网址| 看黄色毛片网站| 国产免费av片在线观看野外av| 国产亚洲欧美98| 悠悠久久av| 久久亚洲真实| 国产精品乱码一区二三区的特点 | 18禁国产床啪视频网站| 大片电影免费在线观看免费| 国产成人系列免费观看| aaaaa片日本免费| 身体一侧抽搐| 欧美成狂野欧美在线观看| 欧美激情久久久久久爽电影 | 一二三四社区在线视频社区8| 免费久久久久久久精品成人欧美视频| 搡老岳熟女国产| 国产国语露脸激情在线看| 国产精品亚洲一级av第二区| 色精品久久人妻99蜜桃| 曰老女人黄片| 大型av网站在线播放| 亚洲国产欧美网| 国产精品二区激情视频| 两个人看的免费小视频| 亚洲国产看品久久| 精品久久蜜臀av无| 国产野战对白在线观看| x7x7x7水蜜桃| 大型黄色视频在线免费观看| 国产熟女午夜一区二区三区| 国产亚洲精品久久久久久毛片 | 欧美亚洲日本最大视频资源| 桃红色精品国产亚洲av| 中文亚洲av片在线观看爽 | 身体一侧抽搐| 久久午夜亚洲精品久久| 视频区欧美日本亚洲| 丰满人妻熟妇乱又伦精品不卡| 在线视频色国产色| 国产成人免费观看mmmm| 新久久久久国产一级毛片| 久久久国产成人免费| 国产精品亚洲一级av第二区| 国产黄色免费在线视频| 在线观看66精品国产| 黄频高清免费视频| 日韩免费高清中文字幕av| 欧美日韩中文字幕国产精品一区二区三区 | 午夜福利免费观看在线| 黄片播放在线免费| 免费在线观看完整版高清| 欧洲精品卡2卡3卡4卡5卡区| 国产淫语在线视频| 精品欧美一区二区三区在线| 一级a爱片免费观看的视频| 久久久精品国产亚洲av高清涩受| 国产深夜福利视频在线观看| 无人区码免费观看不卡| 亚洲专区中文字幕在线| 欧美日韩福利视频一区二区| 午夜精品国产一区二区电影| 中文字幕人妻熟女乱码| 久久久久久人人人人人| 国产欧美日韩一区二区精品| 国产精品久久久久久精品古装| 日韩大码丰满熟妇| 麻豆乱淫一区二区| 丝袜人妻中文字幕| 亚洲欧美激情在线| 欧美亚洲 丝袜 人妻 在线| 国产精品免费视频内射| 中亚洲国语对白在线视频| 欧美精品啪啪一区二区三区| 国产成人精品无人区| 久久精品亚洲精品国产色婷小说| 狠狠婷婷综合久久久久久88av| 色播在线永久视频| 国产精品av久久久久免费| 亚洲中文日韩欧美视频| 国产精品自产拍在线观看55亚洲 | 亚洲av日韩在线播放| 韩国av一区二区三区四区| 露出奶头的视频| 一区二区三区国产精品乱码| 一个人免费在线观看的高清视频| 国产成人精品久久二区二区免费| 人人妻人人澡人人爽人人夜夜| 国产成人免费无遮挡视频| 91精品三级在线观看| 亚洲情色 制服丝袜| 久久中文看片网| 伦理电影免费视频| 人妻一区二区av| xxx96com| 亚洲av美国av| 夜夜躁狠狠躁天天躁| 99精品欧美一区二区三区四区| 久久国产精品人妻蜜桃| 国产欧美日韩精品亚洲av| 午夜福利影视在线免费观看| 日韩视频一区二区在线观看| 久久精品亚洲精品国产色婷小说| 久久精品国产亚洲av高清一级| 两性午夜刺激爽爽歪歪视频在线观看 | 日韩人妻精品一区2区三区| 老司机亚洲免费影院| 狠狠婷婷综合久久久久久88av| 国产成+人综合+亚洲专区| 99精国产麻豆久久婷婷| 香蕉久久夜色| 满18在线观看网站| 9热在线视频观看99| 欧美在线一区亚洲| 又紧又爽又黄一区二区| 中文欧美无线码| 黄网站色视频无遮挡免费观看| 桃红色精品国产亚洲av| 12—13女人毛片做爰片一| 在线观看日韩欧美| 婷婷精品国产亚洲av在线 | 热99久久久久精品小说推荐| 搡老乐熟女国产| 亚洲第一青青草原| 看免费av毛片| 亚洲av电影在线进入| 在线观看舔阴道视频| 久久人妻福利社区极品人妻图片| 两性午夜刺激爽爽歪歪视频在线观看 | 高清毛片免费观看视频网站 | 午夜影院日韩av| 女人被狂操c到高潮| 亚洲国产精品sss在线观看 | 啦啦啦视频在线资源免费观看| 黄色视频不卡| 亚洲国产欧美网| 丝袜美腿诱惑在线| 欧美国产精品va在线观看不卡| 天堂中文最新版在线下载| 国产精品乱码一区二三区的特点 | 香蕉丝袜av| 国产精品乱码一区二三区的特点 | 精品国产乱码久久久久久男人| 高清欧美精品videossex| 国产男女超爽视频在线观看| 欧美国产精品va在线观看不卡| 人成视频在线观看免费观看| 麻豆乱淫一区二区| 99香蕉大伊视频| 亚洲 国产 在线| 午夜精品久久久久久毛片777| 国产精品综合久久久久久久免费 | 国产一区二区三区在线臀色熟女 | 亚洲第一av免费看| 黄色丝袜av网址大全| 午夜福利,免费看| 免费观看精品视频网站| 一个人免费在线观看的高清视频| 两性午夜刺激爽爽歪歪视频在线观看 | 欧美精品一区二区免费开放| 亚洲 国产 在线| 免费不卡黄色视频| 久久精品熟女亚洲av麻豆精品| 日韩欧美在线二视频 | 亚洲午夜理论影院| 亚洲一码二码三码区别大吗| 变态另类成人亚洲欧美熟女 | 亚洲国产欧美一区二区综合| 亚洲成人免费电影在线观看| 日本一区二区免费在线视频| 欧美精品高潮呻吟av久久| 国产激情久久老熟女| 国产一卡二卡三卡精品| 亚洲色图综合在线观看| 国产精品自产拍在线观看55亚洲 | 香蕉国产在线看| 亚洲全国av大片| 两人在一起打扑克的视频| 精品国产一区二区三区四区第35| 欧美精品av麻豆av| 欧美日本中文国产一区发布| 美国免费a级毛片| cao死你这个sao货| 国产99白浆流出| 国产成人一区二区三区免费视频网站| 免费少妇av软件| 久久久国产一区二区| 国产又色又爽无遮挡免费看| 久久人妻av系列| 99在线人妻在线中文字幕 | 1024视频免费在线观看| 悠悠久久av| 色婷婷av一区二区三区视频| 精品少妇久久久久久888优播| 捣出白浆h1v1| 亚洲专区字幕在线| 母亲3免费完整高清在线观看| 国产亚洲av高清不卡| av福利片在线| 国产成人系列免费观看| 久久影院123| 亚洲av成人av| 成人永久免费在线观看视频| 亚洲国产欧美一区二区综合| 12—13女人毛片做爰片一| 操美女的视频在线观看| av视频免费观看在线观看| 高潮久久久久久久久久久不卡| 成人亚洲精品一区在线观看| 亚洲午夜精品一区,二区,三区| 嫁个100分男人电影在线观看| 飞空精品影院首页| 亚洲成国产人片在线观看| 国产蜜桃级精品一区二区三区 | 天堂中文最新版在线下载| 在线观看66精品国产| 欧美人与性动交α欧美精品济南到| 亚洲精品在线观看二区| 多毛熟女@视频| 十八禁网站免费在线| 欧美乱码精品一区二区三区| 麻豆av在线久日| 免费在线观看影片大全网站| 可以免费在线观看a视频的电影网站| 丰满的人妻完整版| 男男h啪啪无遮挡| 精品免费久久久久久久清纯 | 性少妇av在线| 在线永久观看黄色视频| 少妇猛男粗大的猛烈进出视频| 免费观看人在逋| 黑人巨大精品欧美一区二区mp4| 久99久视频精品免费| 免费少妇av软件| 黑人欧美特级aaaaaa片| 免费高清在线观看日韩| 国产精品1区2区在线观看. | 国产无遮挡羞羞视频在线观看| 精品久久久久久电影网| 另类亚洲欧美激情| 色综合婷婷激情| 69av精品久久久久久| 久久久精品区二区三区| 最新在线观看一区二区三区| 精品一区二区三卡| 脱女人内裤的视频| 亚洲欧美一区二区三区黑人| 亚洲精品在线美女| 久久久久久亚洲精品国产蜜桃av| 欧美午夜高清在线| 99久久99久久久精品蜜桃| 国产精品 国内视频| 亚洲国产欧美日韩在线播放| 777米奇影视久久| 99热只有精品国产| 女人爽到高潮嗷嗷叫在线视频| 久久久久国内视频| 国产精品影院久久| 中文字幕最新亚洲高清| 极品教师在线免费播放| 午夜两性在线视频| 操美女的视频在线观看| 亚洲第一青青草原| 国产在视频线精品| 欧美日韩成人在线一区二区| 91成人精品电影| 免费av中文字幕在线| 99精品欧美一区二区三区四区| 国产成+人综合+亚洲专区| 在线观看免费日韩欧美大片| 新久久久久国产一级毛片| 中文字幕最新亚洲高清| 精品国产一区二区三区久久久樱花| av免费在线观看网站| 欧美日韩福利视频一区二区| 久久精品熟女亚洲av麻豆精品| 国产激情欧美一区二区| 国产成人精品无人区| 久久久久久人人人人人| 日韩欧美在线二视频 | 亚洲色图av天堂| 欧美日韩一级在线毛片| 亚洲精品久久成人aⅴ小说| 99精品在免费线老司机午夜| 亚洲黑人精品在线| ponron亚洲| 99久久综合精品五月天人人| 一二三四社区在线视频社区8| 久久精品亚洲熟妇少妇任你| 亚洲一卡2卡3卡4卡5卡精品中文| 日韩精品免费视频一区二区三区| 少妇猛男粗大的猛烈进出视频| 国产精品 国内视频| 丝瓜视频免费看黄片| 男女高潮啪啪啪动态图| 国产av精品麻豆| 动漫黄色视频在线观看| 99久久综合精品五月天人人| 黄色视频不卡| 国产精品1区2区在线观看. | 免费在线观看完整版高清| 国产激情欧美一区二区| 一级片免费观看大全| 久久人人97超碰香蕉20202| www.熟女人妻精品国产| 大陆偷拍与自拍| 激情视频va一区二区三区| 久久精品国产99精品国产亚洲性色 | 亚洲午夜理论影院| 桃红色精品国产亚洲av| 亚洲第一av免费看| 丁香六月欧美| a级毛片在线看网站| 十八禁高潮呻吟视频| 久久久久久久久免费视频了| 在线看a的网站| 欧美日韩亚洲高清精品| 亚洲avbb在线观看| 午夜福利在线免费观看网站| 国产视频一区二区在线看| e午夜精品久久久久久久| 日韩欧美一区二区三区在线观看 | 啦啦啦 在线观看视频| 老熟妇乱子伦视频在线观看| 国产精品秋霞免费鲁丝片| 亚洲第一青青草原| 亚洲国产精品合色在线| 三级毛片av免费| 18禁国产床啪视频网站| 久久精品亚洲熟妇少妇任你| 99热国产这里只有精品6| 亚洲视频免费观看视频| 99国产精品一区二区三区| 国产精品美女特级片免费视频播放器 | 欧美日韩精品网址| 极品人妻少妇av视频| 中文字幕人妻丝袜一区二区| 老司机在亚洲福利影院| 两人在一起打扑克的视频| 精品人妻熟女毛片av久久网站| 亚洲一区中文字幕在线| 国产精品美女特级片免费视频播放器 | 麻豆乱淫一区二区| 精品欧美一区二区三区在线| 日韩熟女老妇一区二区性免费视频| 亚洲欧美激情在线| av网站在线播放免费| 久久久国产精品麻豆| 精品国产亚洲在线| 欧美另类亚洲清纯唯美| 大陆偷拍与自拍| 欧美日韩亚洲高清精品| 久久ye,这里只有精品| 狠狠狠狠99中文字幕| 久久精品国产a三级三级三级| 91老司机精品| 啪啪无遮挡十八禁网站| 亚洲少妇的诱惑av|