| 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 | 2022-06-27 17:00 Multifidelity能動学習を用いた段階的ドメイン適応 ○佐川正悟（総研大）・日野英逸（統計数理研/理研）  NC2022-7 IBISML2022-7 |
|
| 抄録 | （和） | ドメイン適応においてドメイン間に大きな距離がある場合, 予測能が低下することが知られている. 段階的ドメイン適応は, このような問題の解決策の１つであり, ソースからターゲットへ向かって徐々にシフトする中間ドメインが利用できることを仮定している. 既存研究では豊富な中間ドメインが利用できることを仮定しているため, ラベル付きのデータを必要とせず自己学習だけでドメイン適応が可能であった. 一方, 利用可能な中間ドメインが制限されている場合, 自己学習は破綻してしまうが, このような状況を想定した研究は報告がない. 我々はこの課題の解決策として少量のクエリを要求することにし, さらに現実的な問題設定として各ドメインからのクエリにコストがかかることを考える. コストと精度のトレードオフを解消するために, multifidelityと能動的ドメイン適応を組み合わせた新しいフレームワークを提案する. |
| （英） | In domain adaptation, when there is a large distance between the source and target domains, the prediction performance will degrade. Gradual domain adaptation is one of the solutions to such an issue, assuming that we have access to intermediate domains, which shift gradually from the source to target domains. In previous works, it was assumed that the number of samples in the intermediate domains is sufficiently large; hence, self-training was possible without the need for labeled data. If access to an intermediate domain is restricted, self-training will fail. Practically, the cost of samples in intermediate domains will vary, and it is natural to consider that the closer an intermediate domain is to the target domain, the higher the cost of obtaining samples from the intermediate domain is. To solve the trade-off between cost and accuracy, we propose a framework that combines multifidelity and active domain adaptation. The effectiveness of the proposed method is evaluated by experiments with both artificial and real-world datasets. | |
| キーワード | （和） | 段階的ドメイン適応 / 能動学習 / Multifidelity学習 / / / / / |
| （英） | Gradual domain adaptation / Active learning / Multifidelity learning / / / / / | |
| 文献情報 | 信学技報, vol. 122, no. 90, IBISML2022-7, pp. 61-68, 2022年6月. | |
| 資料番号 | IBISML2022-7 | |
| 発行日 | 2022-06-20 (NC, 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 | NC2022-7 IBISML2022-7 |
|
| 研究会情報 | |
| 研究会 | NC IBISML IPSJ-BIO IPSJ-MPS |
| 開催期間 | 2022-06-27 - 2022-06-29 |
| 開催地（和） | 琉球大学50周年記念館 |
| 開催地（英） | |
| テーマ（和） | 機械学習によるバイオデータマイニング、一般 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | IBISML |
| 会議コード | 2022-06-NC-IBISML-BIO-MPS |
| 本文の言語 | 日本語 |
| タイトル（和） | Multifidelity能動学習を用いた段階的ドメイン適応 |
| サブタイトル（和） | |
| タイトル（英） | Cost-effective Framework for Gradual Domain Adaptation with Multifidelity |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 段階的ドメイン適応 / Gradual domain adaptation |
| キーワード(2)（和/英） | 能動学習 / Active learning |
| キーワード(3)（和/英） | Multifidelity学習 / Multifidelity 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） | 佐川 正悟 / Shogo Sagawa / サガワ ショウゴ |
| 第1著者 所属（和/英） | 総合研究大学院大学 (略称： 総研大) The Graduate University for Advanced Studies (略称： SOKENDAI) |
| 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AIP (略称： 統計数理研/理研) The Institute of Statistical Mathematics/RIKEN AIP (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 | 2022-06-27 17:00:00 |
| 発表時間 | 25分 |
| 申込先研究会 | IBISML |
| 資料番号 | NC2022-7, IBISML2022-7 |
| 巻番号（vol） | vol.122 |
| 号番号（no） | no.89(NC), no.90(IBISML) |
| ページ範囲 | pp.61-68 |
| ページ数 | 8 |
| 発行日 | 2022-06-20 (NC, IBISML) |
[研究会発表申込システムのトップページに戻る]