Fugu-MT 論文翻訳(概要): Retrieval-Based Cross-Domain Generalization in Optical Networks via Global Features

論文の概要: Retrieval-Based Cross-Domain Generalization in Optical Networks via Global Features

arxiv url: http://arxiv.org/abs/2608.00044v1
Date: Fri, 24 Jul 2026 09:26:52 GMT
ステータス: 翻訳完了
システム内更新日: 2026-08-09 10:00:34.264532
Title: Retrieval-Based Cross-Domain Generalization in Optical Networks via Global Features
Title（参考訳）: 大域的特徴による光ネットワークの検索型クロスドメイン一般化
Abstract要約: 本稿では,クロスドメイン品質(QoT)推定のための検索ベースフレームワークを提案する。提案手法は、モデル再訓練を必要とせず、ゼロショットおよび少数ショット適応の両方をサポートする。
参考スコア（独自算出の注目度）: 1.0709603403936399
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We propose a retrieval-based framework for crossdomain quality-of-transmission (QoT) estimation that leverages transferable feature representations while avoiding reliance on source-domain-specific decision boundaries. The proposed approach supports both zero-shot and few-shot adaptation without requiring model retraining. Experimental results on cross-domain QoT datasets demonstrate improved generalization performance compared with conventional machine learning baselines and recent contrastive learning approaches, highlighting the potential of retrieval-based inference for robust optical network automation.
Abstract（参考訳）: 本稿では、ソースドメイン固有の決定境界に依存することなく、転送可能な特徴表現を活用するクロスドメイン品質伝達(QoT)推定のための検索ベースのフレームワークを提案する。提案手法は、モデル再訓練を必要とせず、ゼロショットおよび少数ショット適応の両方をサポートする。クロスドメインQoTデータセットを用いた実験により、従来の機械学習ベースラインや最近のコントラスト学習アプローチと比較して一般化性能が向上し、ロバストな光ネットワーク自動化のための検索ベース推論の可能性を強調した。

関連論文リスト

Cross-Domain Generalization in Optical Networks via Joint Contrastive and Classification Learning [1.0709603403936399]
機械学習技術の堅牢性は、光ネットワークにおけるオープンな課題である。特定のトポロジや運用構成のデータに基づいてトレーニングされたモデルは、目に見えないネットワークにデプロイされた場合、しばしば劣化したパフォーマンスを示す。本稿では,ドメイン間で安定なタスク関連関係の獲得を目的とした表現学習手法を提案する。
論文参考訳（メタデータ） (2026-07-22T19:02:45Z)
Cross-Domain Transfer of Hyperspectral Foundation Models [2.0196229393131726]
ハイパースペクトルイメージング(HSI)セマンティックセグメンテーションは通常、ドメイン内のトレーニングに依存しているが、データ可用性に制限があるため、現実のアプリケーションではモデルの性能が制限されることが多い。我々は、近距離センシングアプリケーションのためのHSI基盤モデル(もともとリモートセンシングで訓練された)を再利用し、代替としてクロスドメイン転送を提案する。
論文参考訳（メタデータ） (2026-04-29T09:43:52Z)
Cross-Domain Vessel Segmentation via Latent Similarity Mining and Iterative Co-Optimization [25.50657242704898]
ドメイン間の潜伏血管類似性を生かした新しいドメイン転送フレームワークを提案する。我々は,分割ネットワークと生成モデルが相互最適化を行う反復的改良戦略を開発する。実験により, クロスドメイン網膜血管セグメンテーションの最先端性能が得られた。
論文参考訳（メタデータ） (2026-04-02T02:55:30Z)
Connecting Domains and Contrasting Samples: A Ladder for Domain Generalization [52.52838658375592]
本稿では,ドメイン間の概念的接続性を高めるために,ドメイン接続型コントラスト学習(DCCL)を提案する。データ側では、クラス内の接続性を改善するために、よりアグレッシブなデータ拡張とクロスドメインの陽性サンプルが導入されている。その結果、DCCLはドメインの監督なしに最先端のベースラインを上回ることが確認された。
論文参考訳（メタデータ） (2025-10-19T04:13:29Z)
InvFussion: Bridging Supervised and Zero-shot Diffusion for Inverse Problems [76.39776789410088]
この研究は、教師付きアプローチの強いパフォーマンスとゼロショットメソッドの柔軟性を組み合わせたフレームワークを導入している。新規なアーキテクチャ設計では、分解演算子を直接デノイザにシームレスに統合する。 FFHQとImageNetデータセットの実験結果は、最先端の後方サンプリング性能を示している。
論文参考訳（メタデータ） (2025-04-02T12:40:57Z)
Domain Generalization Guided by Gradient Signal to Noise Ratio of Parameters [69.24377241408851]
ソースドメインへのオーバーフィッティングは、ディープニューラルネットワークの勾配に基づくトレーニングにおいて一般的な問題である。本稿では,ネットワークパラメータの勾配-信号-雑音比(GSNR)を選択することを提案する。
論文参考訳（メタデータ） (2023-10-11T10:21:34Z)
Robust Unsupervised Domain Adaptation by Retaining Confident Entropy via Edge Concatenation [7.953644697658355]
教師なしのドメイン適応は、セマンティックセグメンテーションネットワークをトレーニングするための広範なピクセルレベルのアノテーションの必要性を軽減することができる。本稿では,エントロピーに基づく対向ネットワーク内における内部情報と外部情報の相乗効果を利用した新しいドメイン適応手法を提案する。我々は、より効果的なセグメンテーションのために多様な情報を統合する確率共有ネットワークを考案した。
論文参考訳（メタデータ） (2023-10-11T02:50:16Z)
Variational Transfer Learning using Cross-Domain Latent Modulation [1.9662978733004601]
本稿では,効率的な転送学習を実現するために,新しいドメイン間遅延変調機構を変分オートエンコーダフレームワークに導入する。ソース領域とターゲット領域の深部表現は、まず統一推論モデルにより抽出され、勾配逆数を用いて整列される。学習した深層表現は、一貫性の制約が適用される代替ドメインの潜在エンコーディングにクロスモデレートされる。
論文参考訳（メタデータ） (2022-05-31T03:47:08Z)
Towards Principled Disentanglement for Domain Generalization [90.9891372499545]
機械学習モデルの根本的な課題は、アウト・オブ・ディストリビューション(OOD)データへの一般化である。私たちはまず、DEC(Disentanglement-Constrained Domain Generalization)と呼ばれる制約付き最適化としてOOD一般化問題を定式化する。この変換に基づいて、結合表現の不絡合と領域一般化のための原始双対アルゴリズムを提案する。
論文参考訳（メタデータ） (2021-11-27T07:36:32Z)
Latent-Optimized Adversarial Neural Transfer for Sarcasm Detection [50.29565896287595]
サーカズム検出のための共通データセットを活用するために,転送学習を適用する。異なる損失が互いに対応できる汎用的な潜時最適化戦略を提案します。特に、isarcasmデータセットの以前の状態よりも10.02%の絶対性能向上を達成している。
論文参考訳（メタデータ） (2021-04-19T13:07:52Z)
Self-Challenging Improves Cross-Domain Generalization [81.99554996975372]
畳み込みニューラルネットワーク(CNN)は、ラベルと相関する支配的特徴を活性化することにより、画像分類を行う。ドメイン外データに対するCNNの一般化を著しく改善する簡単なトレーニングである自己整合表現(RSC)を導入する。 RSCはトレーニングデータ上で活性化される主要な機能に対して反復的に挑戦し、ラベルと相関する残りの機能を有効にするようネットワークに強制する。
論文参考訳（メタデータ） (2020-07-05T21:42:26Z)

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。