論文の概要: Connecting sufficient conditions for domain adaptation: source-guided
uncertainty, relaxed divergences and discrepancy localization
- arxiv url: http://arxiv.org/abs/2203.05076v1
- Date: Wed, 9 Mar 2022 22:48:08 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-11 15:43:16.179929
- Title: Connecting sufficient conditions for domain adaptation: source-guided
uncertainty, relaxed divergences and discrepancy localization
- Title(参考訳): ドメイン適応のための十分な条件の連結:ソース誘導の不確実性、緩和された発散および不一致の局在
- Authors: Sofien Dhouib, Setareh Maghsudi
- Abstract要約: 我々は、ソースドメインと同等の機能限界に低いリスクを要求することは、適応の性能を低下させると主張している。
微分の緩和という2つの概念、すなわち$beta-$relaxed divergences と Localization を結びつける。
この接続により、ソース領域のカテゴリ構造を、考慮された発散の緩和に組み込むことができる。
- 参考スコア(独自算出の注目度): 10.348642863524951
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recent advances in domain adaptation establish that requiring a low risk on
the source domain and equal feature marginals degrade the adaptation's
performance. At the same time, empirical evidence shows that incorporating an
unsupervised target domain term that pushes decision boundaries away from the
high-density regions, along with relaxed alignment, improves adaptation. In
this paper, we theoretically justify such observations via a new bound on the
target risk, and we connect two notions of relaxation for divergence, namely
$\beta-$relaxed divergences and localization. This connection allows us to
incorporate the source domain's categorical structure into the relaxation of
the considered divergence, provably resulting in a better handling of the label
shift case in particular.
- Abstract(参考訳): ドメイン適応の最近の進歩により、ソースドメインのリスクが低く、機能限界が等しくなり、適応の性能が低下する。
同時に、厳密なアライメントとともに、高密度領域から決定境界を遠ざける教師なしの標的ドメイン項を組み込むことで適応性が向上する、という実証的な証拠が示される。
本稿では,対象リスクの新しいバウンドによる観測を理論的に正当化し,発散に対する緩和の2つの概念,すなわち$\beta-$relaxed divergences とローカライゼーションを結びつける。
この接続により、ソースドメインのカテゴリ構造を考慮された分岐の緩和に組み込むことができ、特にラベルシフトケースの扱いがより良くなることが証明できる。
関連論文リスト
- Proxy Methods for Domain Adaptation [78.03254010884783]
プロキシ変数は、遅延変数を明示的にリカバリしたりモデル化したりすることなく、分散シフトへの適応を可能にする。
両設定の複雑な分散シフトに適応する2段階のカーネル推定手法を開発した。
論文 参考訳(メタデータ) (2024-03-12T09:32:41Z) - Theoretical Guarantees for Domain Adaptation with Hierarchical Optimal
Transport [0.0]
ドメイン適応は統計学習理論において重要な問題として生じる。
近年の進歩は、領域適応アルゴリズムの成功は、ソースとターゲット領域の確率分布のばらつきを最小限に抑える能力に大きく依存していることを示している。
階層的最適輸送によるドメイン適応のための新しい理論的枠組みを提案する。
論文 参考訳(メタデータ) (2022-10-24T15:34:09Z) - Maximizing Conditional Independence for Unsupervised Domain Adaptation [9.533515002375545]
本研究では,学習者をラベル付きソースドメインから,異なる分布を持つラベル付きターゲットドメインに転送する方法について検討する。
教師なしのドメイン適応に加えて、自然かつエレガントな方法でマルチソースシナリオにメソッドを拡張します。
論文 参考訳(メタデータ) (2022-03-07T08:59:21Z) - Towards Category and Domain Alignment: Category-Invariant Feature
Enhancement for Adversarial Domain Adaptation [16.229317527580072]
ドメイン不変特徴の識別性を高めるために,カテゴリ不変特徴強調(CIFE)を提案する。
実験により、CIFEは対向領域適応法により改善され、最先端の結果が得られることが示された。
論文 参考訳(メタデータ) (2021-08-14T16:51:39Z) - Interventional Domain Adaptation [81.0692660794765]
ドメイン適応(DA)は、ソースドメインからターゲットドメインに学習した差別的特徴を転送することを目的としている。
標準的なドメイン不変学習は、素早い相関に悩まされ、ソース固有性を誤って転送する。
ドメイン固有部分とドメイン共有部分とを区別する反ファクト機能を作成します。
論文 参考訳(メタデータ) (2020-11-07T09:53:13Z) - Learning Invariant Representations and Risks for Semi-supervised Domain
Adaptation [109.73983088432364]
半教師付きドメイン適応(Semi-DA)の設定の下で不変表現とリスクを同時に学習することを目的とした最初の手法を提案する。
共同で textbfLearning textbfInvariant textbfRepresentations と textbfRisks の LIRR アルゴリズムを導入する。
論文 参考訳(メタデータ) (2020-10-09T15:42:35Z) - Learning Calibrated Uncertainties for Domain Shift: A Distributionally
Robust Learning Approach [150.8920602230832]
ドメインシフトの下で校正された不確実性を学習するためのフレームワークを提案する。
特に、密度比推定は、ターゲット(テスト)サンプルの近さをソース(トレーニング)分布に反映する。
提案手法は下流タスクに有利な校正不確実性を生成する。
論文 参考訳(メタデータ) (2020-10-08T02:10:54Z) - Joint Contrastive Learning for Unsupervised Domain Adaptation [20.799729748233343]
本稿では, 目標誤差に対して, より管理しやすくするために, 共同エラーを明示的に考慮する別の上限を提案する。
連立比較学習を導入し, 連立誤差の最小化に欠かせない, クラスレベルの識別的特徴を見出す。
2つの実世界のデータセットの実験では、JCLが最先端の手法より優れていることが示されている。
論文 参考訳(メタデータ) (2020-06-18T06:25:34Z) - Self-adaptive Re-weighted Adversarial Domain Adaptation [12.73753413032972]
自己適応型再重み付き対向ドメイン適応手法を提案する。
条件分布の観点からドメインアライメントを強化する。
実証的な証拠は、提案されたモデルが標準的なドメイン適応データセットで芸術の状態を上回ります。
論文 参考訳(メタデータ) (2020-05-30T08:35:18Z) - Log-Likelihood Ratio Minimizing Flows: Towards Robust and Quantifiable
Neural Distribution Alignment [52.02794488304448]
そこで本研究では,対数様比統計量と正規化フローに基づく新しい分布アライメント手法を提案する。
入力領域の局所構造を保存する領域アライメントにおいて,結果の最小化を実験的に検証する。
論文 参考訳(メタデータ) (2020-03-26T22:10:04Z) - Bi-Directional Generation for Unsupervised Domain Adaptation [61.73001005378002]
教師なしのドメイン適応は、確立されたソースドメイン情報に依存するラベルなしのターゲットドメインを促進する。
従来の手法では、潜在空間におけるドメインの不一致を強制的に低減することで、本質的なデータ構造が破壊される。
本稿では、2つの中間領域をブリッジソースとターゲットドメインに補間する一貫した分類器を用いた双方向生成ドメイン適応モデルを提案する。
論文 参考訳(メタデータ) (2020-02-12T09:45:39Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。