ドメイン敵対訓練:ゲーム展望【JST・京大機械翻訳】

Acuna David; Law Marc T; Zhang Guojun; Fidler Sanja

プレプリント

J-GLOBAL ID：202202209240257921 整理番号：22P0287964

ドメイン敵対訓練:ゲーム展望【JST・京大機械翻訳】

Domain Adversarial Training: A Game Perspective

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10日プレプリントサーバーでの情報更新日： 2022年02月10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)

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】

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

ゲーム理論

, , , ,

前のページに戻る