文献

J-GLOBAL ID：202202275325230403   整理番号：22A0157176

ドメイン適応のための確率的拡張Lagrange法【JST・京大機械翻訳】

The Stochastic Augmented Lagrangian method for domain adaptation

著者 (6件)： Jiang Zhanhong (Johnson Controls, Inc., Milwaukee, USA) ,  Liu Chao (Department of Energy and Power Engineering, Tsinghua University, Beijing 100084, China) ,  Lee Young M. (Johnson Controls, Inc., Milwaukee, USA) ,  Hegde Chinmay (Tandon School of Engineering, New York University, NY, USA) ,  Sarkar Soumik (Department of Mechanical Engineering, Iowa State University, Ames, USA) ,  Jiang Dongxiang (Department of Energy and Power Engineering, Tsinghua University, Beijing 100084, China)
資料名： Knowledge-Based Systems  (Knowledge-Based Systems)
巻： 235  ページ： Null  発行年： 2022年 
JST資料番号： T0426A  ISSN： 0950-7051  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 移動学習コミュニティで探索された様々なトピックの中で,ドメイン適応(DA)は一次的興味であり,多様な分野でうまく応用されている。しかし,DAにおける学習収束の理論的理解は十分には調べられていない。そのような問題に取り組むために,本論文では,ドメイン適応に関連した最適化問題を解くための確率的拡張Lagrange法(SALM)を提示した。従来の研究とは対照的に,SALMは,最適Lagrange乗数を見つけることができ,これは,著しく準最適解をもたらす乗算器を手動で選択するのと反対に,最適Lagrange乗数を見つけることができる。さらに,SALMは,有界ペナルティパラメータを有するドメイン適応問題に対して任意の精度を有する実行可能な点を見つけることができる最初のアルゴリズムである。また,非有界ペナルティパラメータを用いて,提案アルゴリズムは実行不可能の近似的定常点を見つけることができることを観測した。MNIST,SYNTH,SVHN,およびUSPSを含むベンチマークデータセットを用いて,いくつかの実験結果による理論解析を検証した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  最適化 ,  学習 ,  最適化問題 ,  乗算器 ,  *Lagrange乗数法 ,  近似法 ,  ラグランジアン ,  ベンチマーク
準シソーラス用語： 学習コミュニティ ,  理論解析 ,  準最適解 ,  有界 , 【Automatic Indexing@JST】

著者キーワード (4件)： ドメイン適応 ,  拡張ラグランジアン ,  最適化 ,  収束

分類 (2件)： 人工知能  (JE08000Z) ,  システム・制御理論一般  (IA02010H)

タイトルに関連する用語 (4件)： ドメイン適応 ,  確率 ,  拡張 ,  Lagrange法