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。
ドメイン適応における作業の支配的ラインは,ドメイン-敵対訓練を用いた不変表現の学習に焦点を合わせている。本論文では,このアプローチをゲーム理論展望から解釈した。局所Nash均衡としてのドメイン-敵対訓練における最適解の定義により,ドメイン-敵対訓練における勾配降下が,最適化器の漸近収束保証,しばしば移動性能を妨げる時間,を破ることを示した。本解析は,漸近収束保証を導く高次ODEソルバ(すなわちRunge-Kutta)による勾配降下を置き換えることを導いた。この最適化者のファミリーは,かなり安定であり,より攻撃的な学習速度を可能にし,標準最適化者に対するドロップイン置換として使用するとき,高性能利得をもたらす。著者らの実験は,最先端のドメイン-敵対法と結合して,著者らは,半分の訓練反復より少ない最大3.5%の改善を達成することを示した。この最適化器は実装が容易であり,追加パラメータがなく,任意のドメイン敵対フレームワークにプラグできる。【JST・京大機械翻訳】