論文の概要: Enabling Heterogeneous Domain Adaptation in Multi-inhabitants Smart Home Activity Learning

• arxiv url: http://arxiv.org/abs/2210.09499v1
• Date: Tue, 18 Oct 2022 00:42:25 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-19 13:27:36.656200
• Title: Enabling Heterogeneous Domain Adaptation in Multi-inhabitants Smart Home Activity Learning
• Title（参考訳）: スマートホーム・アクティビティ・ラーニングにおける異種ドメイン適応の実現
• Authors: Md Mahmudur Rahman, Mahta Mousavi, Peri Tarr, Mohammad Arif Ul Alam
• Abstract要約: emphAEDAは、ターゲットドメインの不均一性の存在において、半教師付きドメイン適応を可能にする、新しいディープオートエンコーダベースのモデルである。 ヘテロジニアス環境下では,emphAEDAは,見知らぬ活動学習において,既存のドメイン適応技術よりも優れていることを示す。
• 参考スコア（独自算出の注目度）: 3.9667328624568317
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Domain adaptation for sensor-based activity learning is of utmost importance in remote health monitoring research. However, many domain adaptation algorithms suffer with failure to operate adaptation in presence of target domain heterogeneity (which is always present in reality) and presence of multiple inhabitants dramatically hinders their generalizability producing unsatisfactory results for semi-supervised and unseen activity learning tasks. We propose \emph{AEDA}, a novel deep auto-encoder-based model to enable semi-supervised domain adaptation in the existence of target domain heterogeneity and how to incorporate it to empower heterogeneity to any homogeneous deep domain adaptation architecture for cross-domain activity learning. Experimental evaluation on 18 different heterogeneous and multi-inhabitants use-cases of 8 different domains created from 2 publicly available human activity datasets (wearable and ambient smart homes) shows that \emph{AEDA} outperforms (max. 12.8\% and 8.9\% improvements for ambient smart home and wearables) over existing domain adaptation techniques for both seen and unseen activity learning in a heterogeneous setting.
• Abstract（参考訳）: リモートヘルスモニタリング研究において,センサベースアクティビティ学習の領域適応が極めて重要である。 しかし、多くのドメイン適応アルゴリズムは、ターゲット領域の不均一性(実際には常に存在する)の存在下で適応を動作させるのに失敗し、複数の住民の存在は、半監督的かつ目に見えない活動学習タスクに対して不満足な結果をもたらす一般化性を劇的に妨げている。 本稿では,対象領域の不均質性の存在下で半教師付きドメイン適応を可能にする新しい深層オートエンコーダモデルである \emph{aeda} を提案し,それを統合することにより,任意の均質な深層ドメイン適応アーキテクチャへの不均質性を強化する手法を提案する。 利用可能な2つの人的活動データセット(ウェアラブルおよび周囲のスマートホーム)から作成した8つのドメインの18の異なる異種・多国籍のユースケースに関する実験的評価の結果, \emph{AEDA} が(max。 12.8\%と8.9\%の周囲のスマートホームとウェアラブルの改善は、見知らぬ活動学習のための既存のドメイン適応技術よりも優れている。

関連論文リスト

• AD-Aligning: Emulating Human-like Generalization for Cognitive Domain Adaptation in Deep Learning [3.3543468626874486]
  ドメイン適応は、ディープラーニングモデルがさまざまなドメインにまたがる一般化を可能にするために重要である。 AD-Aligning(AD-Aligning、AD-Aligning、AD-Aligning、AD-Aligning、AD-Aligning、AD-Aligning、AD-Aligning、AD-Aligning、AD-Aligning)を導入。 以上の結果から,AD-Aligningは人間の知覚に固有のニュアンス認知過程をエミュレートする能力を示した。
  論文  参考訳（メタデータ） (2024-05-15T02:34:06Z)
• Heterogeneous Domain Adaptation with Adversarial Neural Representation Learning: Experiments on E-Commerce and Cybersecurity [7.748670137746999]
  Heterogeneous Adversarial Neural Domain Adaptation (HANDA) は異種環境における伝達性を最大化するように設計されている。 画像とテキストの電子商取引ベンチマークを用いて,最先端HDA手法に対する性能評価を3つの実験により行った。
  論文  参考訳（メタデータ） (2022-05-05T16:57:36Z)
• From Big to Small: Adaptive Learning to Partial-Set Domains [94.92635970450578]
  ドメイン適応は、分布シフト中のラベル付きソースドメインからラベルなしターゲットドメインへの知識獲得と普及を目標とする。 近年の進歩は、大規模の深層学習モデルにより、小規模の下流の多様な課題に取り組むための豊富な知識が得られていることを示している。 本稿では,学習パラダイムである部分領域適応(Partial Domain Adaptation, PDA)を紹介する。
  論文  参考訳（メタデータ） (2022-03-14T07:02:45Z)
• Gradient Regularized Contrastive Learning for Continual Domain Adaptation [86.02012896014095]
  本稿では,ラベル付きソースドメインと非ラベル付きターゲットドメインのシーケンスでモデルを提示する連続的なドメイン適応の問題について検討する。 障害を解決するため,グラディエント正規化コントラスト学習(GRCL)を提案する。 Digits、DomainNet、Office-Caltechベンチマークの実験は、我々のアプローチの強力なパフォーマンスを示しています。
  論文  参考訳（メタデータ） (2021-03-23T04:10:42Z)
• Domain Adaptation with Incomplete Target Domains [61.68950959231601]
  本稿では、この新たなドメイン適応問題に対処するために、不完全データインプットに基づく Adversarial Network (IDIAN) モデルを提案する。 提案モデルでは,対象領域における部分的な観測に基づいて,欠落した特徴値を満たすデータ計算モジュールを設計する。 我々は、クロスドメインベンチマークタスクと、不完全なターゲットドメインを用いた実世界適応タスクの両方で実験を行う。
  論文  参考訳（メタデータ） (2020-12-03T00:07:40Z)
• Adaptively-Accumulated Knowledge Transfer for Partial Domain Adaptation [66.74638960925854]
  部分ドメイン適応(PDA)は、ソースドメインラベル空間がターゲットドメインを置き換えるとき、現実的で困難な問題を扱う。 本稿では,2つの領域にまたがる関連カテゴリを整合させる適応的知識伝達フレームワーク(A$2KT)を提案する。
  論文  参考訳（メタデータ） (2020-08-27T00:53:43Z)
• Generalized Zero-Shot Domain Adaptation via Coupled Conditional Variational Autoencoders [23.18781318003242]
  本研究では,新しい条件結合型変分自動エンコーダ(CCVAE)を提案する。 航空セキュリティにおける現実の応用をシミュレートするために、X線セキュリティチェックポイントデータセットを含む3つのドメイン適応データセットで実験が行われた。
  論文  参考訳（メタデータ） (2020-08-03T21:48:50Z)
• Dual Mixup Regularized Learning for Adversarial Domain Adaptation [19.393393465837377]
  教師なしドメイン適応のための二重混合正規化学習(DMRL)法を提案する。 DMRLは、サンプル間の一貫した予測を強化するために分類器をガイドし、潜在空間の内在構造を豊かにする。 4つのドメイン適応ベンチマークに関する一連の実証研究は、我々のアプローチが最先端を実現することを実証している。
  論文  参考訳（メタデータ） (2020-07-07T00:24:14Z)
• Domain Conditioned Adaptation Network [90.63261870610211]
  本稿では,ドメイン条件付きチャネルアテンション機構を用いて,異なる畳み込みチャネルを励起するドメイン条件適応ネットワーク(DCAN)を提案する。 これは、ディープDAネットワークのドメインワイドな畳み込みチャネルアクティベーションを探求する最初の試みである。
  論文  参考訳（メタデータ） (2020-05-14T04:23:24Z)
• Cross-domain Object Detection through Coarse-to-Fine Feature Adaptation [62.29076080124199]
  本稿では,クロスドメインオブジェクト検出のための特徴適応手法を提案する。 粗粒度では、アテンション機構を採用して前景領域を抽出し、その辺縁分布に応じて整列する。 粒度の細かい段階では、同じカテゴリのグローバルプロトタイプと異なるドメインとの距離を最小化することにより、前景の条件分布アライメントを行う。
  論文  参考訳（メタデータ） (2020-03-23T13:40:06Z)

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。