| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2022-01-18 14:40 変数の拡張に対する最適輸送を用いたドメイン適応 ○有竹俊光（統計数理研）・日野英逸（統計数理研/理研）  IBISML2021-27 |
|
| 抄録 | （和） | ドメイン適応はソースドメインから得られたラベル付きデータに関する知識をターゲットドメイン転移し， ドメイン間での違いを考慮した学習を行うことを目的としている.多くのドメイン適応の方法はソース，ターゲット ドメインが同じ次元であることを仮定している.特にターゲットドメインから得られるテストデータに対してラベル 情報が与えられない場合，各ドメインで変数の数が異なる場合に利用可能な方法の研究は限定的である.本稿では， ソース，ターゲットドメインに共通の変数が存在し，ターゲットドメインでは新たな変数が観測されると仮定し，ター ゲットドメインの変数の数がソースドメインより多くな場合を考える.そして，ソース，ターゲットドメイン間で変 数が共通となる性質を利用し，ドメイン間の適応を最適輸送問題として定式化し，ドメイン適応のアルゴリズムを提 案する.また，提案した最適輸送にもとづくアルゴリズムのターゲット領域における汎化誤差の上界を導出し，提案 法の有効性を人工データおよび実データによって評価する. |
| （英） | Domain adaptation aims to transfer knowledge of labeled instances obtained from a source domain to a target domain to fill the gap between the domains. Most domain adaptation methods assume that the source and target domains have the same dimensionality. Methods that are applicable when the number of variables is different in each domain have rarely been studied, especially when no label information is given for the test data obtained from the target domain. In this paper, it is assumed that common variables exist in both domains and that extra (new additional) variables are observed in the target domain; hence, the dimensionality of the target domain is higher than that of the source domain. To leverage the homogeneity of the common variables, the adaptation between these source and target domains is formulated as an optimal transport (OT) problem. In addition, a learning bound in the target domain for the proposed OT-based method is derived. The proposed algorithm is validated using both simulated and real-world data. | |
| キーワード | （和） | 非均質ドメイン適応 / 最適輸送 / 転移学習 / / / / / |
| （英） | heterogeneous domain adaptation / optimal transport / transfer learning / / / / / | |
| 文献情報 | 信学技報, vol. 121, no. 321, IBISML2021-27, pp. 67-74, 2022年1月. | |
| 資料番号 | IBISML2021-27 | |
| 発行日 | 2022-01-10 (IBISML) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | IBISML2021-27 |
|
| 研究会情報 | |
| 研究会 | IBISML |
| 開催期間 | 2022-01-17 - 2022-01-18 |
| 開催地（和） | オンライン開催 |
| 開催地（英） | Online |
| テーマ（和） | 機械学習一般 |
| テーマ（英） | Machine Learning, etc. |
| 講演論文情報の詳細 | |
| 申込み研究会 | IBISML |
| 会議コード | 2022-01-IBISML |
| 本文の言語 | 日本語 |
| タイトル（和） | 変数の拡張に対する最適輸送を用いたドメイン適応 |
| サブタイトル（和） | |
| タイトル（英） | Domain Adaptation with Optimal Transport for Extended Variable Space |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 非均質ドメイン適応 / heterogeneous domain adaptation |
| キーワード(2)（和/英） | 最適輸送 / optimal transport |
| キーワード(3)（和/英） | 転移学習 / transfer learning |
| キーワード(4)（和/英） | / |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 有竹 俊光 / Toshimitsu Atiake / アリタケ トシミツ |
| 第1著者 所属（和/英） | 統計数理研究所 (略称： 統計数理研) The Institute of Statistical Mathematics (略称： ISM) |
| 第2著者 氏名（和/英/ヨミ） | 日野 英逸 / Hideitsu Hino / ヒノ ヒデイツ |
| 第2著者 所属（和/英） | 統計数理研究所/理化学研究所 革新知能統合研究センター (略称： 統計数理研/理研) The Institute of Statistical Mathematics/RIKEN Center for Advanced Intelligence Project (略称： ISM/RIKEN) |
| 第3著者 氏名（和/英/ヨミ） | / / |
| 第3著者 所属（和/英） | (略称： ) (略称： ) |
| 第4著者 氏名（和/英/ヨミ） | / / |
| 第4著者 所属（和/英） | (略称： ) (略称： ) |
| 第5著者 氏名（和/英/ヨミ） | / / |
| 第5著者 所属（和/英） | (略称： ) (略称： ) |
| 第6著者 氏名（和/英/ヨミ） | / / |
| 第6著者 所属（和/英） | (略称： ) (略称： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2022-01-18 14:40:00 |
| 発表時間 | 20分 |
| 申込先研究会 | IBISML |
| 資料番号 | IBISML2021-27 |
| 巻番号（vol） | vol.121 |
| 号番号（no） | no.321 |
| ページ範囲 | pp.67-74 |
| ページ数 | 8 |
| 発行日 | 2022-01-10 (IBISML) |
[研究会発表申込システムのトップページに戻る]