抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
本論文では,教師なしドメイン適応化問題を解決するために確率的潜在変数モデルを紹介した。特に,潜在空間における分類器,分類器の識別能力を最大化しながら,これは領域格差を最小化すると同時に潜在(共有)空間への各ドメインからの学習射影による異なる領域からの視覚入力のカテゴリー化タスクに取り組む。適応モデルのノンパラメトリックな特性は,データから自動的に潜在空間次元を推定することが可能になった。もモデルパラメータの効率的推定のための新しい正則化変分Bayes(VB)アルゴリズムを開発した。手製と深い正味両者の特徴を用いた視覚ドメイン適応のタスクのための最先端の方法と提案したモデルを比較した。著者らの実験は,単純なソフトマックス分類器であっても,著者らのモデルは,より洗練された分類スキームを利用するいくつかの最新方法より優れていることを示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】