Overview

Details

発表概要：

データが少ない場合でも精度の高い予測器を学習するための方法論として「ドメイン適応」を考える． ドメイン適応は，手元のデータとは分布が異なるが関連のある追加データを，学習に役立てる方法である． 本研究では，ドメイン適応のための仮定として「異なるデータ間に共通の構造的因果モデルがある」という仮定を用いることができる可能性を探索した． 本発表では，この仮定を利用してドメイン適応を行う手法を提案し，提案手法が統計的学習においてどのように貢献するかを理論的に解析し， さらにProof-of-conceptとなる実データ実験を通して手法の妥当性を確認した結果を報告する．