• <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
    一个人免费在线观看电影| 久久久久久九九精品二区国产| 欧美+日韩+精品| 99久久精品一区二区三区| 欧美高清性xxxxhd video| 精品99又大又爽又粗少妇毛片 | 嫁个100分男人电影在线观看| 性色avwww在线观看| 狠狠狠狠99中文字幕| 99热只有精品国产| 欧美午夜高清在线| 欧美黄色片欧美黄色片| 我的女老师完整版在线观看| 一a级毛片在线观看| 少妇被粗大猛烈的视频| 此物有八面人人有两片| 成人国产一区最新在线观看| 一进一出抽搐gif免费好疼| 九九在线视频观看精品| 亚洲国产日韩欧美精品在线观看| 日日摸夜夜添夜夜添av毛片 | a级一级毛片免费在线观看| 又黄又爽又刺激的免费视频.| 国产综合懂色| 亚洲三级黄色毛片| 亚洲中文日韩欧美视频| 久久久久久久久中文| 免费av观看视频| 欧美精品啪啪一区二区三区| 亚洲经典国产精华液单 | 丝袜美腿在线中文| 亚洲av电影在线进入| 国产成人福利小说| 乱人视频在线观看| 狠狠狠狠99中文字幕| 欧美成狂野欧美在线观看| 一本久久中文字幕| 免费在线观看成人毛片| 美女高潮的动态| 婷婷丁香在线五月| 中文字幕免费在线视频6| 一本精品99久久精品77| 亚洲欧美日韩高清在线视频| 在线观看舔阴道视频| 伦理电影大哥的女人| 亚洲国产高清在线一区二区三| 永久网站在线| 亚洲乱码一区二区免费版| 国产一区二区在线观看日韩| 无遮挡黄片免费观看| 最新中文字幕久久久久| 男女做爰动态图高潮gif福利片| 99久久精品热视频| 国产av不卡久久| 精品久久国产蜜桃| 我要搜黄色片| 淫秽高清视频在线观看| 久久久久久久久大av| 亚洲,欧美精品.| 90打野战视频偷拍视频| 亚洲av熟女| 国产精品久久久久久人妻精品电影| 高清毛片免费观看视频网站| 熟女人妻精品中文字幕| 亚洲欧美激情综合另类| 亚洲avbb在线观看| 亚洲三级黄色毛片| 日日摸夜夜添夜夜添av毛片 | 三级男女做爰猛烈吃奶摸视频| 亚洲 欧美 日韩 在线 免费| 91久久精品电影网| 成人三级黄色视频| 九九久久精品国产亚洲av麻豆| 国产私拍福利视频在线观看| 精品久久国产蜜桃| 国产高清有码在线观看视频| 男人的好看免费观看在线视频| 中文字幕精品亚洲无线码一区| 国产精品久久久久久久久免 | 国产亚洲精品久久久久久毛片| 国产精品久久久久久久电影| 亚洲精品亚洲一区二区| 美女大奶头视频| 色噜噜av男人的天堂激情| 国产黄a三级三级三级人| 国产精品精品国产色婷婷| 99久久无色码亚洲精品果冻| 51国产日韩欧美| 蜜桃亚洲精品一区二区三区| 亚洲男人的天堂狠狠| 久久久久久久亚洲中文字幕 | 午夜福利免费观看在线| 国内毛片毛片毛片毛片毛片| 男人的好看免费观看在线视频| 免费在线观看成人毛片| 校园春色视频在线观看| 高清在线国产一区| 精品一区二区三区视频在线| 日韩高清综合在线| 少妇人妻精品综合一区二区 | 久久99热6这里只有精品| 非洲黑人性xxxx精品又粗又长| 国产精品伦人一区二区| 亚洲欧美精品综合久久99| 精品久久久久久久久久久久久| 看免费av毛片| 欧美激情国产日韩精品一区| 久久精品91蜜桃| 少妇丰满av| 在线观看美女被高潮喷水网站 | 窝窝影院91人妻| 欧美日韩瑟瑟在线播放| 久久热精品热| 久久国产乱子免费精品| 久久精品影院6| 高清日韩中文字幕在线| a级毛片a级免费在线| 男女视频在线观看网站免费| 亚洲av免费高清在线观看| 老司机午夜十八禁免费视频| 久久久久精品国产欧美久久久| 在线播放无遮挡| 日本黄大片高清| 日韩欧美精品v在线| 精品国产三级普通话版| 亚洲av第一区精品v没综合| 亚洲精品久久国产高清桃花| 非洲黑人性xxxx精品又粗又长| 男人狂女人下面高潮的视频| 高清在线国产一区| 国产av麻豆久久久久久久| 老熟妇乱子伦视频在线观看| 亚洲中文字幕一区二区三区有码在线看| 日韩精品青青久久久久久| 久久婷婷人人爽人人干人人爱| 97超视频在线观看视频| 国产成人福利小说| 两个人视频免费观看高清| 午夜福利视频1000在线观看| 成年人黄色毛片网站| 国产视频内射| 精品久久久久久久久久久久久| 午夜精品一区二区三区免费看| av专区在线播放| 亚洲最大成人中文| 一区二区三区激情视频| 欧美日本亚洲视频在线播放| 国产主播在线观看一区二区| 麻豆国产97在线/欧美| 国产伦人伦偷精品视频| 免费观看的影片在线观看| 亚洲一区高清亚洲精品| 欧美极品一区二区三区四区| 日日摸夜夜添夜夜添av毛片 | 国产乱人伦免费视频| 身体一侧抽搐| 亚洲国产精品999在线| АⅤ资源中文在线天堂| 久久久久久久久大av| 欧美黄色片欧美黄色片| 中文字幕熟女人妻在线| 性插视频无遮挡在线免费观看| 久久午夜亚洲精品久久| 国产精品亚洲av一区麻豆| 精品99又大又爽又粗少妇毛片 | 啦啦啦韩国在线观看视频| 欧美乱色亚洲激情| 亚洲 欧美 日韩 在线 免费| 国产野战对白在线观看| 国产91精品成人一区二区三区| 久久久久久国产a免费观看| 国产高清有码在线观看视频| 18禁黄网站禁片午夜丰满| 国产精品伦人一区二区| 国产在线精品亚洲第一网站| 看黄色毛片网站| 亚洲国产高清在线一区二区三| av中文乱码字幕在线| 宅男免费午夜| 欧美日韩中文字幕国产精品一区二区三区| 亚洲黑人精品在线| 美女cb高潮喷水在线观看| 国产成人欧美在线观看| 国产成人a区在线观看| 久久精品国产亚洲av涩爱 | av天堂在线播放| 午夜福利欧美成人| 久久久久久大精品| 国产精华一区二区三区| 国产中年淑女户外野战色| 欧美另类亚洲清纯唯美| 成人一区二区视频在线观看| 亚洲色图av天堂| 国产爱豆传媒在线观看| 国产伦精品一区二区三区视频9| 久久久久久国产a免费观看| 97热精品久久久久久| 桃色一区二区三区在线观看| 午夜精品一区二区三区免费看| 免费无遮挡裸体视频| 日本五十路高清| 免费av毛片视频| 欧美精品国产亚洲| 69人妻影院| 一卡2卡三卡四卡精品乱码亚洲| 波多野结衣巨乳人妻| 免费无遮挡裸体视频| 身体一侧抽搐| 精品久久久久久久久亚洲 | 国产精品,欧美在线| 亚洲性夜色夜夜综合| 18禁在线播放成人免费| 欧美日韩福利视频一区二区| 久久久久精品国产欧美久久久| 搡老熟女国产l中国老女人| 色哟哟哟哟哟哟| 神马国产精品三级电影在线观看| 男女床上黄色一级片免费看| 久久亚洲真实| 两人在一起打扑克的视频| www.熟女人妻精品国产| 国产伦一二天堂av在线观看| 日韩中文字幕欧美一区二区| 人人妻人人澡欧美一区二区| 国产高清视频在线观看网站| 国产黄色小视频在线观看| 久99久视频精品免费| av黄色大香蕉| 国产亚洲精品av在线| 在线天堂最新版资源| 在线观看一区二区三区| 国产成人福利小说| 日韩欧美精品免费久久 | 国产乱人视频| 少妇的逼好多水| 性插视频无遮挡在线免费观看| 久久草成人影院| 真实男女啪啪啪动态图| 少妇高潮的动态图| av中文乱码字幕在线| 精品久久久久久久久av| 午夜福利视频1000在线观看| 真实男女啪啪啪动态图| 国产精品98久久久久久宅男小说| 亚洲av成人不卡在线观看播放网| 一二三四社区在线视频社区8| 听说在线观看完整版免费高清| 午夜激情福利司机影院| 在线国产一区二区在线| 此物有八面人人有两片| 99在线人妻在线中文字幕| 嫁个100分男人电影在线观看| 久久人妻av系列| 免费看光身美女| 久久精品夜夜夜夜夜久久蜜豆| 日韩av在线大香蕉| 成年免费大片在线观看| 日日夜夜操网爽| 亚洲成人久久性| 婷婷六月久久综合丁香| 亚洲av第一区精品v没综合| 久久精品国产99精品国产亚洲性色| 在线播放无遮挡| 精品一区二区三区人妻视频| 国产精品一区二区三区四区久久| 欧美黑人巨大hd| 91麻豆av在线| 人妻制服诱惑在线中文字幕| 久久精品久久久久久噜噜老黄 | 亚洲午夜理论影院| 国产精品久久久久久亚洲av鲁大| 88av欧美| 久久久久九九精品影院| 中出人妻视频一区二区| 亚洲国产日韩欧美精品在线观看| 国产三级在线视频| 黄色视频,在线免费观看| 色精品久久人妻99蜜桃| 国产亚洲欧美98| 窝窝影院91人妻| 成人av一区二区三区在线看| 国产蜜桃级精品一区二区三区| 91久久精品国产一区二区成人| 国产成人啪精品午夜网站| 精品福利观看| 久久国产乱子伦精品免费另类| 我要搜黄色片| 一级黄片播放器| 日韩欧美在线乱码| 村上凉子中文字幕在线| 亚洲av第一区精品v没综合| 精品久久久久久成人av| 免费无遮挡裸体视频| 精品久久久久久久久亚洲 | 最近最新免费中文字幕在线| www.熟女人妻精品国产| 在线观看免费视频日本深夜| 宅男免费午夜| 女人十人毛片免费观看3o分钟| 国产v大片淫在线免费观看| 在线观看舔阴道视频| 国产高清视频在线播放一区| 国产黄a三级三级三级人| 成人av在线播放网站| 成人欧美大片| 国产三级在线视频| 性色av乱码一区二区三区2| 中出人妻视频一区二区| 色综合婷婷激情| 男人舔奶头视频| 久久久久久大精品| 可以在线观看的亚洲视频| 免费一级毛片在线播放高清视频| 亚洲av成人不卡在线观看播放网| 我要搜黄色片| 成人鲁丝片一二三区免费| 欧美+日韩+精品| 亚洲片人在线观看| 午夜福利在线观看吧| 老司机福利观看| 少妇高潮的动态图| 欧美中文日本在线观看视频| 免费人成在线观看视频色| 在线天堂最新版资源| 综合色av麻豆| 亚洲人与动物交配视频| 亚洲无线观看免费| 精华霜和精华液先用哪个| 啪啪无遮挡十八禁网站| 亚洲不卡免费看| 国产乱人伦免费视频| 国产精品久久久久久精品电影| 老鸭窝网址在线观看| 亚洲精品乱码久久久v下载方式| 99久久九九国产精品国产免费| 亚洲成人精品中文字幕电影| 国产精品爽爽va在线观看网站| 欧美丝袜亚洲另类 | 小蜜桃在线观看免费完整版高清| 村上凉子中文字幕在线| 国产黄色小视频在线观看| 成熟少妇高潮喷水视频| 日韩精品中文字幕看吧| 黄色女人牲交| 国产亚洲精品久久久com| 成人美女网站在线观看视频| 不卡一级毛片| 国产黄a三级三级三级人| 成年人黄色毛片网站| 国产成人a区在线观看| 国产极品精品免费视频能看的| 黄片小视频在线播放| 欧美乱妇无乱码| 天堂网av新在线| 嫩草影视91久久| 亚洲性夜色夜夜综合| 精品日产1卡2卡| 一个人看的www免费观看视频| 动漫黄色视频在线观看| 久久这里只有精品中国| 色播亚洲综合网| 日韩欧美在线二视频| 国产综合懂色| 国产精品一区二区三区四区免费观看 | 免费观看精品视频网站| 精品一区二区三区人妻视频| 久久精品影院6| 97超级碰碰碰精品色视频在线观看| 国产探花在线观看一区二区| 精品人妻偷拍中文字幕| 国产亚洲欧美在线一区二区| x7x7x7水蜜桃| 国产免费男女视频| 97人妻精品一区二区三区麻豆| 久久精品综合一区二区三区| 久9热在线精品视频| 欧美高清成人免费视频www| 国产高潮美女av| 精品久久国产蜜桃| 亚洲欧美激情综合另类| 一个人看视频在线观看www免费| 久久精品夜夜夜夜夜久久蜜豆| 亚洲精品久久国产高清桃花| 亚洲三级黄色毛片| 国产野战对白在线观看| 久久久久久大精品| 国产v大片淫在线免费观看| 欧美最新免费一区二区三区 | 欧美在线一区亚洲| 乱码一卡2卡4卡精品| 日本黄色视频三级网站网址| 国产欧美日韩精品亚洲av| av女优亚洲男人天堂| 久久久久国产精品人妻aⅴ院| 免费av毛片视频| 久久性视频一级片| 亚洲中文日韩欧美视频| 97人妻精品一区二区三区麻豆| 少妇裸体淫交视频免费看高清| 中文字幕免费在线视频6| 日本黄大片高清| 国产精品女同一区二区软件 | 在现免费观看毛片| 日日夜夜操网爽| 国产精品久久久久久亚洲av鲁大| 一个人免费在线观看的高清视频| 99久久精品国产亚洲精品| 一个人看视频在线观看www免费| 国内揄拍国产精品人妻在线| 好男人在线观看高清免费视频| 搞女人的毛片| 美女黄网站色视频| 亚洲精品一区av在线观看| 国产精品久久视频播放| 中文字幕久久专区| 久久精品国产自在天天线| 18禁黄网站禁片午夜丰满| 在线观看免费视频日本深夜| 国产亚洲欧美在线一区二区| 内地一区二区视频在线| 91久久精品电影网| 女人十人毛片免费观看3o分钟| 中文字幕高清在线视频| 五月玫瑰六月丁香| 尤物成人国产欧美一区二区三区| 91av网一区二区| 午夜激情福利司机影院| 99视频精品全部免费 在线| 欧美日韩中文字幕国产精品一区二区三区| 精品午夜福利视频在线观看一区| 女同久久另类99精品国产91| 丰满乱子伦码专区| 一卡2卡三卡四卡精品乱码亚洲| av在线蜜桃| 久久亚洲真实| 午夜日韩欧美国产| 深夜精品福利| 非洲黑人性xxxx精品又粗又长| 亚洲人成网站在线播| av天堂中文字幕网| 国产亚洲欧美在线一区二区| av黄色大香蕉| 99热只有精品国产| 国产日本99.免费观看| 久久香蕉精品热| 18禁在线播放成人免费| 真实男女啪啪啪动态图| 国产午夜精品久久久久久一区二区三区 | 综合色av麻豆| 色综合欧美亚洲国产小说| 中文字幕av成人在线电影| 毛片一级片免费看久久久久 | 国产亚洲精品久久久com| 99国产精品一区二区三区| 国产三级黄色录像| 国产69精品久久久久777片| 国产高潮美女av| 夜夜爽天天搞| 久久久精品大字幕| 免费电影在线观看免费观看| 99热这里只有精品一区| 少妇丰满av| 又爽又黄无遮挡网站| 国产极品精品免费视频能看的| 91久久精品国产一区二区成人| 免费一级毛片在线播放高清视频| 午夜福利欧美成人| 桃色一区二区三区在线观看| 免费在线观看影片大全网站| 男女视频在线观看网站免费| 99热精品在线国产| 一进一出好大好爽视频| 麻豆av噜噜一区二区三区| 成人毛片a级毛片在线播放| 亚洲五月天丁香| 人人妻人人看人人澡| 精品午夜福利在线看| 色尼玛亚洲综合影院| 国产三级在线视频| 毛片女人毛片| 变态另类成人亚洲欧美熟女| 亚洲性夜色夜夜综合| 国产在视频线在精品| 欧美日本亚洲视频在线播放| 成人性生交大片免费视频hd| 欧美区成人在线视频| 99国产精品一区二区蜜桃av| 亚洲,欧美,日韩| 变态另类丝袜制服| 精品人妻一区二区三区麻豆 | 免费观看人在逋| 精品国内亚洲2022精品成人| 国产蜜桃级精品一区二区三区| 午夜激情欧美在线| 一区二区三区激情视频| 嫩草影院新地址| 亚洲午夜理论影院| 麻豆国产97在线/欧美| 又爽又黄a免费视频| 国产野战对白在线观看| 简卡轻食公司| 三级国产精品欧美在线观看| 老鸭窝网址在线观看| 欧美激情久久久久久爽电影| 麻豆国产97在线/欧美| 丰满人妻熟妇乱又伦精品不卡| 18禁黄网站禁片免费观看直播| 亚洲人成电影免费在线| 亚洲国产高清在线一区二区三| 久久久久久久精品吃奶| 91九色精品人成在线观看| 久久人人爽人人爽人人片va | 小说图片视频综合网站| 51午夜福利影视在线观看| 在线国产一区二区在线| 国产国拍精品亚洲av在线观看| 欧美另类亚洲清纯唯美| 18禁黄网站禁片免费观看直播| 老司机午夜十八禁免费视频| 国产精品综合久久久久久久免费| 桃红色精品国产亚洲av| 又黄又爽又免费观看的视频| 亚洲国产欧美人成| 日韩大尺度精品在线看网址| 美女黄网站色视频| 乱码一卡2卡4卡精品| 国产伦精品一区二区三区视频9| 亚洲第一欧美日韩一区二区三区| 欧美+亚洲+日韩+国产| 精品熟女少妇八av免费久了| 国产精品久久久久久久电影| 成人无遮挡网站| 一区二区三区激情视频| 亚洲精品影视一区二区三区av| 国产精品国产高清国产av| 国产一区二区亚洲精品在线观看| 国内精品久久久久精免费| 亚洲av免费在线观看| 久久人妻av系列| 免费电影在线观看免费观看| 精品久久久久久成人av| 男人舔女人下体高潮全视频| 首页视频小说图片口味搜索| 国产精品久久久久久亚洲av鲁大| 久久久色成人| 国产一级毛片七仙女欲春2| 亚洲精品久久国产高清桃花| 国产白丝娇喘喷水9色精品| 一夜夜www| 午夜精品一区二区三区免费看| 日韩欧美国产一区二区入口| 日本 欧美在线| 脱女人内裤的视频| 91av网一区二区| 亚洲国产色片| 成年版毛片免费区| 色哟哟·www| 色av中文字幕| 欧美精品啪啪一区二区三区| 久久国产乱子伦精品免费另类| av视频在线观看入口| 一本精品99久久精品77| 人妻夜夜爽99麻豆av| 毛片女人毛片| 亚洲成人免费电影在线观看| 亚洲五月天丁香| 波野结衣二区三区在线| 亚洲精品影视一区二区三区av| 国产精品一区二区三区四区免费观看 | 欧美xxxx性猛交bbbb| 我的老师免费观看完整版| 毛片女人毛片| 亚洲中文字幕一区二区三区有码在线看| 久久天躁狠狠躁夜夜2o2o| 免费av不卡在线播放| 免费人成视频x8x8入口观看| 伦理电影大哥的女人| 性插视频无遮挡在线免费观看| 亚洲色图av天堂| 最近最新免费中文字幕在线| 精品福利观看| 欧美成人a在线观看| 变态另类成人亚洲欧美熟女| 18美女黄网站色大片免费观看| 亚洲专区国产一区二区| 国模一区二区三区四区视频| 欧美最新免费一区二区三区 | 国产精品久久久久久久久免 | 精品免费久久久久久久清纯| 亚洲最大成人中文| 亚洲av熟女| 亚洲精品一卡2卡三卡4卡5卡| 69av精品久久久久久| 国语自产精品视频在线第100页| а√天堂www在线а√下载| 精品国内亚洲2022精品成人| 一进一出好大好爽视频| 国产aⅴ精品一区二区三区波| 九九久久精品国产亚洲av麻豆| 高清在线国产一区| 免费电影在线观看免费观看| 首页视频小说图片口味搜索| 国产精品一区二区性色av| 久9热在线精品视频| 丰满乱子伦码专区| 真人做人爱边吃奶动态| 欧美性感艳星| 一本综合久久免费| 欧美性感艳星| 黄色配什么色好看| 欧美在线一区亚洲| 日本成人三级电影网站| 免费观看的影片在线观看| 亚洲第一区二区三区不卡| 国产真实乱freesex|