教師なし領域適応のためのインスタンス相関グラフ【JST・京大機械翻訳】

Wu Lei; Ling Hefei; Shi Yuxuan; Zhang Baiyan

文献

J-GLOBAL ID：202202227633783919 整理番号：22A0984585

教師なし領域適応のためのインスタンス相関グラフ【JST・京大機械翻訳】

Instance Correlation Graph for Unsupervised Domain Adaptation

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=22A0984585&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=22A0984585&from=J-GLOBAL&jstjournalNo=W5702A") }}

著者 (4件)： , , ,
資料名：
巻： 18 号： 1s ページ： 1-23 発行年： 2022年
JST資料番号： W5702A ISSN： 1551-6857 資料種別：逐次刊行物 (A)
記事区分：原著論文発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

近年,深層ニューラルネットワークが多様な応用分野のための主要な機械学習ツールとして浮上している。手動ラベリング努力の高価なコストのため,ラベルリッチ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が重要である。コア問題は,訓練と試験サンプルが異なる分布から来るドメインシフト課題に対処するために,ドメイン不変表現を学習する方法である。最初に,空間確率分布の幾何学を考慮して,統計的多様体上のソースとターゲット分布に適合するために,有効なHellinger距離を導入した。第2に,データサンプルは分離個体ではなく,それらは相互に関連している。データサンプルの相関情報は,ドメイン適応のために無視すべきではない。これまでの研究から区別して,著者らはデータサンプルに関する相関分布に注意を払った。著者らは,インスタンス相関グラフ(ICG)を構築するために,残差グラフ畳込みネットワークを設計した。データサンプルの相関情報を利用してドメインシフトを低減した。したがって,非監督ドメイン適応のための新規なインスタンス相関グラフを提案して,それは3つのタイプの損失,すなわちソースドメインのためのスーパービジョン分類損失,ソースとターゲットドメインの間の重心差を測定するために,Centoid Alignment損失,および2つの関連ドメイン上のインスタンス相関グラフをマッチするICGアラインメント損失を共同最適化することによって,訓練されたエンドツーエンドに訓練したものである。”そのために,ソースドメインのためのSupervised分類損失,Centroid Alignment損失,および2つの関連ドメイン上のインスタンス相関グラフを整合するICG Alignment損失。3つのベンチマーク,すなわち,オフィス-31,オフィス-Home,およびVisDA2017に関するドメイン不変表現を学習するために,いくつかのハード転送タスクに関して広範な実験を行った。他の最先端技術と比較して,著者らの方法は優れた性能を達成した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

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

著者キーワード (3件)： , ,

人工知能

, , , ,

前のページに戻る