論文の概要: An Unsupervised Tensor-Based Domain Alignment

• arxiv url: http://arxiv.org/abs/2601.18564v1
• Date: Mon, 26 Jan 2026 15:11:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-27 15:23:08.888578
• Title: An Unsupervised Tensor-Based Domain Alignment
• Title（参考訳）: 教師なしテンソルベースドメインアライメント
• Authors: Chong Hyun Lee, Kibae Lee, Hyun Hee Yim,
• Abstract要約: 本研究では,ソースとターゲットテンソルを不変部分空間内にアライメントするテンソルベースドメインアライメント(DA)アルゴリズムを提案する。 我々のフレームワークは汎用的であり、既存のテンソルベースDAメソッドを特殊ケースとして効果的に一般化する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We propose a tensor-based domain alignment (DA) algorithm designed to align source and target tensors within an invariant subspace through the use of alignment matrices. These matrices along with the subspace undergo iterative optimization of which constraint is on oblique manifold, which offers greater flexibility and adaptability compared to the traditional Stiefel manifold. Moreover, regularization terms defined to preserve the variance of both source and target tensors, ensures robust performance. Our framework is versatile, effectively generalizing existing tensor-based DA methods as special cases. Through extensive experiments, we demonstrate that our approach not only enhances DA conversion speed but also significantly boosts classification accuracy. This positions our method as superior to current state-of-the-art techniques, making it a preferable choice for complex domain adaptation tasks.
• Abstract（参考訳）: 本研究では、アライメント行列を用いて、ソースとターゲットのテンソルを不変部分空間内にアライメントするテンソルベースドメインアライメント(DA)アルゴリズムを提案する。 これらの行列と部分空間は、制約が斜め多様体上で反復的に最適化されるので、従来のスティーフェル多様体よりも柔軟性と適応性が高い。 さらに、ソーステンソルとターゲットテンソルのばらつきを保存するために定義された正規化項は、堅牢な性能を保証する。 我々のフレームワークは汎用的であり、既存のテンソルベースDAメソッドを特殊ケースとして効果的に一般化する。 大規模な実験により,本手法はDA変換速度を向上するだけでなく,分類精度を大幅に向上させることを示した。 これにより、我々の手法は現在の最先端技術よりも優れていると位置づけられ、複雑なドメイン適応タスクに好適な選択となる。

関連論文リスト

• Group-wise Scaling and Orthogonal Decomposition for Domain-Invariant Feature Extraction in Face Anti-Spoofing [7.902884193437407]
  特徴直交分解(FOD)とグループワイドスケーリングリスク最小化(GS-RM)を通じて重みとバイアスを協調的に調整する新しいDGFASフレームワークを提案する。 提案手法は,最先端性能を実現し,精度を継続的に向上し,バイアス補正を低減し,未確認対象領域の安定性を向上する。
  論文  参考訳（メタデータ） (2025-07-05T11:20:19Z)
• Moment Alignment: Unifying Gradient and Hessian Matching for Domain Generalization [13.021311628351423]
  ドメイン一般化(DG)は、目に見えないターゲットドメインによく一般化するモデルの開発を目指している。 DGにおける研究の1行は、一般化を強化するためにドメインレベルの勾配とヘッセンの整合性に焦点を当てている。 textbfClosed-Form textbfMoment textbfAlignment (CMA)を導入する。
  論文  参考訳（メタデータ） (2025-06-09T02:51:36Z)
• Adaptive Linear Embedding for Nonstationary High-Dimensional Optimization [0.0]
  Self-Adaptive embedding REMBO (SA-REMBO) はランダムEMBdding Bayesian Optimization (REMBO) を一般化して複数のランダムガウス埋め込みをサポートする新しいフレームワークである。 インデックス変数は埋め込み選択を制御し、サロゲート内の製品カーネルを介して潜伏潜伏子と共同でモデル化される。 従来のREMBO法や他の低ランクBO法が失敗する合成および実世界の高次元ベンチマークにおいて,本手法の利点を実証的に示す。
  論文  参考訳（メタデータ） (2025-05-16T14:18:19Z)
• Differential Evolution for Grassmann Manifold Optimization: A Projection Approach [0.0]
  グラスマン多様体 Gr(k,n) 上で定義される実数値目的関数に対する新しい進化的アルゴリズムを提案する。 我々のアプローチは、分解を通してベクトルを多様体に写像する射影を包含する。
  論文  参考訳（メタデータ） (2025-03-27T21:04:19Z)
• Algorithmic Regularization in Tensor Optimization: Towards a Lifted Approach in Matrix Sensing [28.295987262533075]
  勾配降下(GD)は機械学習モデルの一般化に不可欠である。 我々はGDが暗黙の正規化を誘導し、コンパクト表現を促進することを示す。 以上の結果から, マトリックスセンシングのテンソルメトリーパラリゼーションの重要性が示唆された。
  論文  参考訳（メタデータ） (2023-10-24T06:40:26Z)
• Label Alignment Regularization for Distribution Shift [63.228879525056904]
  最近の研究は、教師あり学習におけるラベルアライメント特性(LAP)を強調している。 対象領域の予測と最上位特異ベクトルとのアライメントを促進する非教師なし領域適応の正規化法を提案する。 MNIST-USPSドメイン適応や言語間感情分析などのよく知られたタスクにおいて、ドメイン適応ベースラインよりもパフォーマンスが向上したことを報告した。
  論文  参考訳（メタデータ） (2022-11-27T22:54:48Z)
• Manifold Gaussian Variational Bayes on the Precision Matrix [70.44024861252554]
  複雑なモデルにおける変分推論(VI)の最適化アルゴリズムを提案する。 本研究では,変分行列上の正定値制約を満たすガウス変分推論の効率的なアルゴリズムを開発した。 MGVBPはブラックボックスの性質のため、複雑なモデルにおけるVIのための準備が整ったソリューションである。
  論文  参考訳（メタデータ） (2022-10-26T10:12:31Z)
• Multi-View Spectral Clustering Tailored Tensor Low-Rank Representation [105.33409035876691]
  本稿では,テンソル低ランクモデルに基づくマルチビュースペクトルクラスタリング(MVSC)の問題について検討する。 MVSCに適合する新しい構造テンソル低ランクノルムを設計する。 提案手法は最先端の手法よりもかなり優れていることを示す。
  論文  参考訳（メタデータ） (2020-04-30T11:52:12Z)

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。