【論文紹介】ラベル付き学習データ不足の問題に対処する敵対的ドメイン適応

最新AI論文をキャッチアップするAI-SCHOLARへの投稿をご紹介します。 

ソースドメインがターゲットドメインと異なる特徴を持つ場合に、異種適応をサポートする新しい敵対的ドメイン適応アプローチです。ドメイン適応アプローチとオートエンコーダーベースのデータ増強アプローチを組み合わせることで、ターゲットデータセットのバランスが悪いという問題に対処しています。ターゲットデータセット中のラベル付きサンプル数が著しく少なく、ターゲットデータセットが不均衡な場合に、他のアルゴリズムに対して優れた性能を示すことを実証しています。