敵対的ドメイン適応のためのロバストな局所保存とグローバルアラインメントネットワーク【JST・京大機械翻訳】

Qiang Wenwen; Li Jiangmeng; Zheng Changwen; Su Bing; Xiong Hui

プレプリント

J-GLOBAL ID：202202207583874826 整理番号：22P0300806

敵対的ドメイン適応のためのロバストな局所保存とグローバルアラインメントネットワーク【JST・京大機械翻訳】

Robust Local Preserving and Global Aligning Network for Adversarial Domain Adaptation

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 (5件)： , , , ,
資料名：
発行年： 2022年03月08日プレプリントサーバーでの情報更新日： 2022年03月08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。

教師なし領域適応(UDA)は,訓練中のクリーングラウンドトルースラベルを持つソースドメインサンプルを必要とする。多数のソースドメインサンプルを正確にラベリングすることは,時間がかかり,面倒である。代替は訓練のためにノイズのあるラベルを持つサンプルを利用することである。しかし,雑音のあるラベルによる訓練はUDAの性能を大幅に削減できる。本論文では,雑音のあるラベルへのアクセスだけでUDAモデルを学習し,ロバストな局所保存と大域的アラインメントネットワーク(RLPGA)と呼ばれる新しい方法を提案した。RLPGAは2つの側面からラベルノイズのロバスト性を改善する。1つはロバスト情報理論ベース損失関数による分類器の学習である。もう一つは,入力データの局所トポロジー構造を保存するために,提案した局所保存モジュールにより2つの隣接重み行列と2つの負重み行列を構築する。提案したRLPGAのロバスト性に関する理論解析を行い,ロバスト情報理論ベース損失と局所保存モジュールが目標領域の経験的リスクを低減するのに有益であることを証明した。一連の経験的研究は,提案したRLPGAの有効性を示した。【JST・京大機械翻訳】

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

人工知能

, , ,

前のページに戻る