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。
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】