文献

J-GLOBAL ID：202202288219092518   整理番号：22A0456568

整列グラフ基底の学習によるグラフ上のドメイン適応【JST・京大機械翻訳】

Domain Adaptation on Graphs by Learning Aligned Graph Bases

著者 (2件)： Pilanci Mehmet (Department of Electrical and Electronics Engineering, Middle East Technical University, Ankara, Turkey) ,  Vural Elif (Department of Electrical and Electronics Engineering, Middle East Technical University, Ankara, Turkey)
資料名： IEEE Transactions on Knowledge and Data Engineering  (IEEE Transactions on Knowledge and Data Engineering)
巻： 34  号： 2  ページ： 587-600  発行年： 2022年 
JST資料番号： T0838A  ISSN： 1041-4347  CODEN： ITKEEH  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)

抄録/ポイント： 半教師つき学習における共通仮定は,クラスラベル関数がデータグラフ上で遅い変化を有することであり,一方,多くの問題において,ラベル関数は,あるグラフ領域で突然変化し,高周波成分をもたらす。半教師つき学習は不良設定問題であるが,ラベル関数が実際の分類問題を定義するターゲットグラフに類似の周波数コンテンツを持つソースグラフを見つけることができることが多い。本論文では,多くのラベルを持つソースグラフにおけるラベル関数のスペクトルを学習することに基づくグラフ上のドメイン適応のための方法を提案し,スペクトル情報をターゲットグラフに転送する。周波数コンテンツを転送するとき,それらのFourier基底間にマッチが存在しないので,2つの独立に構築されたグラフの間のグラフフーリエ係数を直接共有するのは容易ではない。これを柔軟に”アサイン”する2つのグラフのFourier基底間の変換を学習することにより,これを解いた。次に,ターゲットグラフ上の未知のクラスラベル関数を,利用可能なラベルとの一貫性を保持しながら,学習スペクトルから再構成した。比較実験は,提案したアルゴリズムが,様々なデータ分類アプリケーションにおいて,最近のドメイン適応法をしばしば凌駕することを示唆した。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *アラインメント ,  アルゴリズム ,  *学習 ,  基底 ,  スペクトル ,  再構成 ,  応用プログラム ,  比較試験 ,  コンテンツ
準シソーラス用語： 半教師つき学習 ,  データ分類 ,  高周波成分 ,  Fourier係数 , 【Automatic Indexing@JST】

分類 (1件)： 信号理論  (ND02020G)

タイトルに関連する用語 (5件)： 整列 ,  グラフ ,  基底 ,  学習 ,  ドメイン適応