• <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
    国产女主播在线喷水免费视频网站| av国产精品久久久久影院| 亚洲av日韩在线播放| 老熟女久久久| 各种免费的搞黄视频| 国产精品二区激情视频| 久久影院123| 久久99一区二区三区| 无遮挡黄片免费观看| 久久久久久久精品精品| 成人手机av| 热99久久久久精品小说推荐| 青青草视频在线视频观看| 日韩熟女老妇一区二区性免费视频| 免费久久久久久久精品成人欧美视频| 国产女主播在线喷水免费视频网站| 免费在线观看完整版高清| 久久99热这里只频精品6学生| 亚洲av日韩在线播放| 人妻 亚洲 视频| 欧美日韩黄片免| 大码成人一级视频| 亚洲人成77777在线视频| 涩涩av久久男人的天堂| 91精品伊人久久大香线蕉| 麻豆av在线久日| 女人高潮潮喷娇喘18禁视频| 9色porny在线观看| 国产精品国产三级专区第一集| a级片在线免费高清观看视频| 亚洲色图综合在线观看| 日韩大码丰满熟妇| 女性生殖器流出的白浆| 黑人巨大精品欧美一区二区蜜桃| 啦啦啦视频在线资源免费观看| 欧美黄色片欧美黄色片| 亚洲自偷自拍图片 自拍| 2018国产大陆天天弄谢| 99国产精品一区二区蜜桃av | 高潮久久久久久久久久久不卡| 免费观看a级毛片全部| 久久狼人影院| av电影中文网址| 一级毛片电影观看| 欧美亚洲 丝袜 人妻 在线| 国产在线观看jvid| 午夜福利视频精品| 成人影院久久| 交换朋友夫妻互换小说| 我的亚洲天堂| 欧美黑人欧美精品刺激| 丁香六月天网| 99国产精品一区二区三区| 亚洲精品乱久久久久久| 嫁个100分男人电影在线观看 | 啦啦啦视频在线资源免费观看| 大型av网站在线播放| 啦啦啦 在线观看视频| 亚洲精品中文字幕在线视频| 青青草视频在线视频观看| 各种免费的搞黄视频| 欧美日韩成人在线一区二区| 亚洲视频免费观看视频| 国产精品国产三级国产专区5o| 女性被躁到高潮视频| 色综合欧美亚洲国产小说| 男女下面插进去视频免费观看| 欧美老熟妇乱子伦牲交| 亚洲成人免费av在线播放| 一区二区三区乱码不卡18| 国产精品 欧美亚洲| 日韩制服骚丝袜av| 精品一区二区三卡| 只有这里有精品99| 国产精品人妻久久久影院| 免费在线观看完整版高清| 日韩电影二区| 欧美国产精品va在线观看不卡| 欧美日韩成人在线一区二区| 热re99久久精品国产66热6| 又粗又硬又长又爽又黄的视频| 天天添夜夜摸| 国产黄色视频一区二区在线观看| 中国美女看黄片| 999久久久国产精品视频| 少妇人妻 视频| 国产欧美日韩一区二区三 | 成人手机av| 国产成人系列免费观看| 不卡av一区二区三区| 99精品久久久久人妻精品| 国产日韩欧美在线精品| 日本av手机在线免费观看| 成人亚洲欧美一区二区av| 亚洲图色成人| 欧美日韩国产mv在线观看视频| 亚洲一码二码三码区别大吗| 国产成人精品久久二区二区免费| 午夜福利,免费看| 老司机在亚洲福利影院| 在线观看免费高清a一片| 亚洲av欧美aⅴ国产| 精品亚洲乱码少妇综合久久| 首页视频小说图片口味搜索 | 成人18禁高潮啪啪吃奶动态图| 国产又色又爽无遮挡免| 亚洲国产欧美网| 一本—道久久a久久精品蜜桃钙片| 老鸭窝网址在线观看| 丝袜在线中文字幕| 精品熟女少妇八av免费久了| 精品人妻在线不人妻| 九色亚洲精品在线播放| 丰满迷人的少妇在线观看| 欧美日本中文国产一区发布| 亚洲一区中文字幕在线| 日本av免费视频播放| 一区二区三区激情视频| 亚洲情色 制服丝袜| 91国产中文字幕| 精品人妻1区二区| 久久综合国产亚洲精品| 国产精品久久久久久人妻精品电影 | 婷婷色av中文字幕| 欧美大码av| 中国美女看黄片| 国产在线观看jvid| 久久精品久久久久久久性| 国产一区二区在线观看av| 人体艺术视频欧美日本| 亚洲熟女毛片儿| av又黄又爽大尺度在线免费看| 亚洲av日韩精品久久久久久密 | 国产亚洲午夜精品一区二区久久| 国产黄色免费在线视频| 久久久精品免费免费高清| 99久久综合免费| 亚洲熟女精品中文字幕| 飞空精品影院首页| 中文字幕高清在线视频| 欧美日韩一级在线毛片| 久热这里只有精品99| av国产久精品久网站免费入址| 国产精品人妻久久久影院| 亚洲精品日韩在线中文字幕| 在线观看一区二区三区激情| 丁香六月欧美| 只有这里有精品99| 电影成人av| 精品国产一区二区三区四区第35| 久久 成人 亚洲| 成人亚洲欧美一区二区av| 一边摸一边抽搐一进一出视频| 精品一区二区三区四区五区乱码 | 嫩草影视91久久| 50天的宝宝边吃奶边哭怎么回事| 亚洲伊人久久精品综合| 香蕉丝袜av| 久久精品国产a三级三级三级| 久久99热这里只频精品6学生| 亚洲国产av新网站| 成人午夜精彩视频在线观看| 欧美性长视频在线观看| 日本一区二区免费在线视频| 久久精品人人爽人人爽视色| 一区二区日韩欧美中文字幕| 九色亚洲精品在线播放| 午夜激情久久久久久久| 亚洲av国产av综合av卡| 亚洲国产精品一区二区三区在线| 欧美精品高潮呻吟av久久| 日本欧美国产在线视频| 又粗又硬又长又爽又黄的视频| 亚洲熟女精品中文字幕| 老汉色av国产亚洲站长工具| 一二三四在线观看免费中文在| 高清不卡的av网站| 性少妇av在线| 日韩熟女老妇一区二区性免费视频| 男女国产视频网站| 大码成人一级视频| 日本a在线网址| 女人高潮潮喷娇喘18禁视频| 欧美 亚洲 国产 日韩一| 只有这里有精品99| 2021少妇久久久久久久久久久| 国产av国产精品国产| 国产一区二区在线观看av| 叶爱在线成人免费视频播放| 午夜福利在线免费观看网站| 亚洲精品一区蜜桃| 99久久99久久久精品蜜桃| 国产成人欧美在线观看 | 男女之事视频高清在线观看 | 亚洲 国产 在线| 国产精品免费视频内射| 精品久久久久久电影网| 国产成人精品在线电影| 99国产精品免费福利视频| 性色av一级| 欧美精品亚洲一区二区| 多毛熟女@视频| 日本午夜av视频| 美女脱内裤让男人舔精品视频| 国产日韩欧美亚洲二区| 女人爽到高潮嗷嗷叫在线视频| netflix在线观看网站| 欧美在线一区亚洲| 一区二区日韩欧美中文字幕| www.自偷自拍.com| 一边摸一边做爽爽视频免费| 中文字幕最新亚洲高清| 亚洲五月婷婷丁香| 色精品久久人妻99蜜桃| 久久狼人影院| 日韩一区二区三区影片| 亚洲中文日韩欧美视频| 高清av免费在线| 亚洲欧美一区二区三区黑人| av在线app专区| 99久久人妻综合| 咕卡用的链子| 国产精品亚洲av一区麻豆| 国产精品偷伦视频观看了| 亚洲视频免费观看视频| 韩国高清视频一区二区三区| av在线播放精品| 搡老乐熟女国产| 婷婷色综合大香蕉| 看十八女毛片水多多多| 久久天堂一区二区三区四区| 乱人伦中国视频| 欧美精品啪啪一区二区三区 | 国产精品一区二区在线不卡| 黑人猛操日本美女一级片| 欧美日韩视频精品一区| 国产一区二区激情短视频 | 69精品国产乱码久久久| 深夜精品福利| 老熟女久久久| 久久久久网色| 国产精品久久久久成人av| 熟女少妇亚洲综合色aaa.| 欧美亚洲 丝袜 人妻 在线| 成人黄色视频免费在线看| av有码第一页| av在线app专区| 老熟女久久久| 午夜激情av网站| 高清不卡的av网站| 中文字幕av电影在线播放| 免费不卡黄色视频| 久久性视频一级片| 一区二区三区精品91| 国产精品.久久久| 丁香六月天网| 18禁观看日本| www.自偷自拍.com| 91麻豆精品激情在线观看国产 | 爱豆传媒免费全集在线观看| 一级片免费观看大全| 久久女婷五月综合色啪小说| 精品视频人人做人人爽| 韩国高清视频一区二区三区| 亚洲欧美中文字幕日韩二区| 两个人看的免费小视频| 最新在线观看一区二区三区 | 国产精品.久久久| 18禁观看日本| 久久精品亚洲熟妇少妇任你| 国产精品熟女久久久久浪| av一本久久久久| 视频区图区小说| 久久久久久久久久久久大奶| 性高湖久久久久久久久免费观看| 在线观看免费视频网站a站| 国产一卡二卡三卡精品| 久久久久久久国产电影| 亚洲欧美精品综合一区二区三区| 欧美日韩av久久| netflix在线观看网站| 咕卡用的链子| 一二三四在线观看免费中文在| 国产在视频线精品| 五月天丁香电影| 丁香六月欧美| xxxhd国产人妻xxx| 亚洲 欧美一区二区三区| 2018国产大陆天天弄谢| av片东京热男人的天堂| 菩萨蛮人人尽说江南好唐韦庄| 男女边摸边吃奶| cao死你这个sao货| 精品国产一区二区三区久久久樱花| 一本一本久久a久久精品综合妖精| 黑丝袜美女国产一区| 国产一卡二卡三卡精品| 男人添女人高潮全过程视频| 亚洲成人免费av在线播放| 激情视频va一区二区三区| 国产精品免费视频内射| 一本大道久久a久久精品| av国产精品久久久久影院| 人妻人人澡人人爽人人| 一区二区三区四区激情视频| 欧美大码av| 欧美精品av麻豆av| 成人三级做爰电影| 91国产中文字幕| 老鸭窝网址在线观看| 国产有黄有色有爽视频| 精品免费久久久久久久清纯 | 熟女av电影| 中文字幕制服av| 久久精品久久久久久久性| 精品福利观看| 老司机亚洲免费影院| 亚洲国产精品一区三区| 久久久精品国产亚洲av高清涩受| 国产精品国产三级专区第一集| 久久久精品免费免费高清| 丝袜喷水一区| av视频免费观看在线观看| 免费少妇av软件| 午夜福利一区二区在线看| 欧美97在线视频| 午夜影院在线不卡| 国产91精品成人一区二区三区 | 婷婷色综合www| 好男人视频免费观看在线| 夜夜骑夜夜射夜夜干| 国语对白做爰xxxⅹ性视频网站| 国产精品免费大片| 一边亲一边摸免费视频| 亚洲伊人久久精品综合| 日本vs欧美在线观看视频| 亚洲国产av影院在线观看| 母亲3免费完整高清在线观看| 亚洲一区二区三区欧美精品| 亚洲av日韩在线播放| 男女免费视频国产| 性少妇av在线| 欧美久久黑人一区二区| 少妇 在线观看| 极品少妇高潮喷水抽搐| 国产精品.久久久| 97精品久久久久久久久久精品| 新久久久久国产一级毛片| 熟女av电影| cao死你这个sao货| 19禁男女啪啪无遮挡网站| 成人亚洲精品一区在线观看| 亚洲av日韩在线播放| 老司机影院毛片| 性色av乱码一区二区三区2| 午夜福利在线免费观看网站| 日韩熟女老妇一区二区性免费视频| 国产av精品麻豆| 免费女性裸体啪啪无遮挡网站| 婷婷色综合大香蕉| 麻豆国产av国片精品| 久久ye,这里只有精品| 日本vs欧美在线观看视频| 丝袜人妻中文字幕| bbb黄色大片| 极品人妻少妇av视频| 色视频在线一区二区三区| 欧美日韩视频高清一区二区三区二| 一本综合久久免费| 国产精品久久久久成人av| 精品福利观看| 婷婷色av中文字幕| 成人国产一区最新在线观看 | 国产日韩欧美在线精品| 国产欧美日韩精品亚洲av| 亚洲熟女精品中文字幕| 午夜激情久久久久久久| 91麻豆av在线| 国产男女内射视频| 最近手机中文字幕大全| 手机成人av网站| 99久久人妻综合| 久久精品久久久久久久性| 久久久久久久国产电影| 日韩一区二区三区影片| 黄色 视频免费看| 久久天堂一区二区三区四区| www.999成人在线观看| 精品福利永久在线观看| 中国美女看黄片| 国产欧美日韩综合在线一区二区| 少妇人妻 视频| 啦啦啦在线观看免费高清www| 国产精品 欧美亚洲| 亚洲,一卡二卡三卡| 99国产精品99久久久久| 又黄又粗又硬又大视频| 超碰97精品在线观看| 99久久人妻综合| 国产日韩欧美亚洲二区| 久久国产精品男人的天堂亚洲| 欧美老熟妇乱子伦牲交| 国产亚洲欧美在线一区二区| 国产成人精品久久久久久| 69精品国产乱码久久久| 日韩一卡2卡3卡4卡2021年| 久久综合国产亚洲精品| 一区二区三区四区激情视频| 丝袜脚勾引网站| 国产精品国产三级国产专区5o| 日韩欧美一区视频在线观看| 国产精品二区激情视频| 亚洲精品日韩在线中文字幕| 国产欧美日韩综合在线一区二区| 我的亚洲天堂| 欧美日韩国产mv在线观看视频| 欧美精品亚洲一区二区| 国产精品一区二区精品视频观看| 久久久久久久大尺度免费视频| 亚洲av成人不卡在线观看播放网 | 亚洲精品美女久久av网站| 色精品久久人妻99蜜桃| 国产熟女午夜一区二区三区| 国产成人91sexporn| 欧美另类一区| 精品卡一卡二卡四卡免费| 久久精品国产综合久久久| 亚洲精品久久午夜乱码| 亚洲精品第二区| 十八禁高潮呻吟视频| 亚洲精品美女久久av网站| 久久精品国产亚洲av涩爱| 国产熟女午夜一区二区三区| 国产国语露脸激情在线看| 99国产精品99久久久久| 九色亚洲精品在线播放| 亚洲精品久久成人aⅴ小说| 看十八女毛片水多多多| 亚洲熟女精品中文字幕| 精品国产乱码久久久久久小说| 日日爽夜夜爽网站| 我要看黄色一级片免费的| 日韩 亚洲 欧美在线| 亚洲人成网站在线观看播放| 老司机午夜十八禁免费视频| 中文字幕av电影在线播放| 国产亚洲av片在线观看秒播厂| 国产免费福利视频在线观看| 男男h啪啪无遮挡| netflix在线观看网站| 亚洲国产精品999| 国产色视频综合| 亚洲,一卡二卡三卡| 精品亚洲乱码少妇综合久久| 精品国产乱码久久久久久男人| 男女边吃奶边做爰视频| 秋霞在线观看毛片| 国产男女超爽视频在线观看| 国产一区亚洲一区在线观看| 欧美日韩av久久| 国产在线视频一区二区| 午夜老司机福利片| 亚洲精品成人av观看孕妇| 成人午夜精彩视频在线观看| 国产色视频综合| 亚洲成人手机| 天天影视国产精品| 男女边摸边吃奶| 50天的宝宝边吃奶边哭怎么回事| 亚洲第一av免费看| 视频在线观看一区二区三区| 人人妻人人添人人爽欧美一区卜| 国产精品香港三级国产av潘金莲 | 一边摸一边做爽爽视频免费| 人人妻人人爽人人添夜夜欢视频| 欧美人与性动交α欧美精品济南到| 国产成人a∨麻豆精品| 91成人精品电影| 久久性视频一级片| 精品高清国产在线一区| 一区二区日韩欧美中文字幕| 69精品国产乱码久久久| 女人爽到高潮嗷嗷叫在线视频| 成年人免费黄色播放视频| 国产成人免费观看mmmm| 丝袜脚勾引网站| 91麻豆精品激情在线观看国产 | 自线自在国产av| 日本a在线网址| 久久热在线av| 欧美+亚洲+日韩+国产| 最近最新中文字幕大全免费视频 | 午夜福利一区二区在线看| 日本色播在线视频| 五月天丁香电影| 国产精品香港三级国产av潘金莲 | 亚洲欧美精品综合一区二区三区| 中文字幕人妻丝袜一区二区| 精品久久蜜臀av无| 国产免费视频播放在线视频| 免费看不卡的av| 久9热在线精品视频| 日韩免费高清中文字幕av| 亚洲成av片中文字幕在线观看| 日本vs欧美在线观看视频| 啦啦啦啦在线视频资源| 亚洲九九香蕉| 亚洲av电影在线观看一区二区三区| 亚洲国产看品久久| 波多野结衣一区麻豆| 女人爽到高潮嗷嗷叫在线视频| 宅男免费午夜| e午夜精品久久久久久久| 悠悠久久av| 欧美精品一区二区大全| 啦啦啦视频在线资源免费观看| 亚洲,欧美,日韩| 亚洲av男天堂| 一区二区三区激情视频| 亚洲av日韩在线播放| 久久久久久久精品精品| 国产免费又黄又爽又色| 国产精品一国产av| 99久久99久久久精品蜜桃| av有码第一页| 男女边吃奶边做爰视频| 久久精品国产a三级三级三级| 人人妻人人澡人人看| 亚洲欧美日韩另类电影网站| 国产三级黄色录像| av天堂久久9| 天天躁狠狠躁夜夜躁狠狠躁| 久久性视频一级片| 国产精品99久久99久久久不卡| videosex国产| 亚洲国产精品一区三区| tube8黄色片| 观看av在线不卡| 久久久久久免费高清国产稀缺| 性色av乱码一区二区三区2| 久久99热这里只频精品6学生| 国产成人一区二区在线| 91麻豆av在线| 老熟女久久久| 99久久精品国产亚洲精品| 在线观看www视频免费| 黄频高清免费视频| 精品久久久精品久久久| 国产成人一区二区在线| 高清av免费在线| 精品亚洲成a人片在线观看| 制服诱惑二区| 一二三四在线观看免费中文在| 国产亚洲精品久久久久5区| 黄色a级毛片大全视频| 日韩精品免费视频一区二区三区| 色婷婷av一区二区三区视频| 国产精品久久久久久精品古装| 十八禁人妻一区二区| 国产精品久久久久成人av| 老汉色av国产亚洲站长工具| 久久午夜综合久久蜜桃| 亚洲国产看品久久| 久9热在线精品视频| 亚洲精品国产区一区二| 亚洲精品久久久久久婷婷小说| 在线 av 中文字幕| 精品国产一区二区三区久久久樱花| 久久 成人 亚洲| 欧美老熟妇乱子伦牲交| 免费久久久久久久精品成人欧美视频| 少妇精品久久久久久久| 日本wwww免费看| 中文字幕亚洲精品专区| 欧美人与性动交α欧美精品济南到| 亚洲专区国产一区二区| 国产成人精品久久二区二区91| 欧美 亚洲 国产 日韩一| 人人妻人人澡人人爽人人夜夜| 脱女人内裤的视频| www.av在线官网国产| 91老司机精品| 久久亚洲国产成人精品v| 久久ye,这里只有精品| e午夜精品久久久久久久| 欧美日韩亚洲高清精品| 欧美日韩一级在线毛片| 午夜视频精品福利| 亚洲色图 男人天堂 中文字幕| 九色亚洲精品在线播放| 久久免费观看电影| 一边摸一边抽搐一进一出视频| 狠狠婷婷综合久久久久久88av| 我要看黄色一级片免费的| 国产高清不卡午夜福利| 热re99久久国产66热| 人体艺术视频欧美日本| 国产成人精品久久二区二区免费| 欧美激情极品国产一区二区三区| 久久 成人 亚洲| 国产免费现黄频在线看| 男男h啪啪无遮挡| 久久久国产精品麻豆| 我要看黄色一级片免费的| 久久中文字幕一级| 又黄又粗又硬又大视频| 国产成人精品久久久久久| 国产片特级美女逼逼视频| 欧美xxⅹ黑人| 国产精品熟女久久久久浪| 最新的欧美精品一区二区| 777久久人妻少妇嫩草av网站| 亚洲av欧美aⅴ国产| 久热爱精品视频在线9| 一区二区三区精品91|