擬似ターゲット領域を介したマルチソース教師なしドメイン適応【JST・京大機械翻訳】

Chuan-Xian Ren; Yong-Hui Liu; Xi-Wen Zhang; Ke-Kun Huang

プレプリント

J-GLOBAL ID：202202201398891430 整理番号：22P0293337

擬似ターゲット領域を介したマルチソース教師なしドメイン適応【JST・京大機械翻訳】

Multi-Source Unsupervised Domain Adaptation via Pseudo Target Domain

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2022年02月22日プレプリントサーバーでの情報更新日： 2022年02月22日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

マルチソースドメイン適応(MDA)は,複数のソースドメインからラベルなしターゲットドメインへの知識を転送することを目的とする。MDAは,標的とソース間に存在するだけでなく,多様なソース間に存在する厳しいドメインシフトのため,挑戦的なタスクである。MDAに関する以前の研究は,ソースドメインの混合分布を推定するか,または複数の単一ソースモデルを結合するが,それらのほとんどは,多様なソースドメイン間の関連情報に陥る。この理由のために,MDA(PTMDA)のための擬似ターゲットと呼ばれる新しいMDAアプローチを提案する。具体的には,PTMDAは,メトリック制約による敵対学習を用いてグループ特異的部分空間にソースとターゲットドメインの各グループをマップし,対応して一連の擬似ターゲットドメインを構築する。次に,部分空間における擬似ターゲットドメインと剰余ソース領域を整列させ,擬似ターゲットドメインに関する訓練を通して付加的構造化ソース情報を利用して,実際のターゲットドメインに関する性能を改善した。さらに,深層ニューラルネットワーク(DNN)の伝達性を改善するために,従来のバッチ正規化層を効果的なマッチング正規化層と置換し,それはDNNの潜在層におけるアラインメントを強制し,従って,更なる促進を得た。理論解析により,全体としてPTMDAが目標誤差限界を低減でき,MDA設定における目標リスクのより良い近似を導くことを示した。広範な実験は,ほとんどの実験設定において最先端の方法より優れているので,MDAタスクに対するPTMDAの有効性を示す。【JST・京大機械翻訳】

, , , , , , ,
, , , , , , , 【Automatic Indexing@JST】

人工知能

, , , , ,

前のページに戻る