文献

J-GLOBAL ID：202002224295085571   整理番号：20A2197139

教師なしドメイン適応のための識別および情報結合分布適応【JST・京大機械翻訳】

Discriminative and informative joint distribution adaptation for unsupervised domain adaptation

著者 (2件)： Yang Liran (College of Information and Electrical Engineering, China Agricultural University, Beijing, 100083, China) ,  Zhong Ping (College of Science, China Agricultural University, Beijing, 100083, China)
資料名： Knowledge-Based Systems  (Knowledge-Based Systems)
巻： 207  ページ： Null  発行年： 2020年 
JST資料番号： T0426A  ISSN： 0950-7051  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： ドメイン適応学習は,新しいドメインに対する信頼できる分類器を学習するために,関連ドメインから豊富な監視知識をレバーする効果的な技術として提案される。1つの一般的種類のドメイン適応方法は,特徴表現に基づいている。しかしながら,そのような方法は,新しい表現を得た後に,クラス内およびクラス間関係を考慮することができない。さらに,それらは最終分類に冗長または無関係である特徴のマイナス効果を考慮しない。この目的のために,教師なしドメイン適応のための最大マージン基準とスパース性技術に基づく新しいドメイン不変特徴学習法を,識別的および情報的共同分布適応(DIJDA)と呼ぶ,この論文で提案する。特に,DIJDAは,変換されたサンプルが同じクラスにおけるものに近いが,異なるクラスにおけるそれらから分離されるような適応プロセスにおいて最大マージン基準を採用する。結果として,ソースラベルから参照される識別知識は,効果的にターゲットドメインに転送できる。さらに,DIJDAは,変換行列に列スパース性制約を課し,それは,すべてのゼロである本質的特徴属性に対応する行列の列を強制する。したがって,最も有益な特徴属性を抽出することができる。いくつかの最先端の方法と比較して,DIJDAは5つの広く使われているベンチマークデータセットに関する分類結果を大幅に改善し,提案した方法の有効性を実証した。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *学習 ,  冗長性 ,  有効性 ,  ベンチマーク
準シソーラス用語： 適応学習 ,  スパース性 ,  変換行列 ,  特徴表現 , 【Automatic Indexing@JST】

著者キーワード (4件)： ドメイン適応 ,  関節分布適応 ,  最大マージン基準 ,  列スパース性

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 教師 ,  ドメイン適応 ,  識別 ,  分布 ,  適応