グループ正則化付き離散最適輸送の高速化

• Item type: SIG Technical Reports(1)
• 公開日: 2023-06-22
• タイトル: グループ正則化付き離散最適輸送の高速化
• タイトル / 言語: en
• タイトル: Fast Regularized Discrete Optimal Transport with Group-Sparse Regularizers
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: IBISML
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: NTTコンピュータ＆データサイエンス研究所
• 著者所属: NTTコンピュータ＆データサイエンス研究所
• 著者所属: NTTコンピュータ＆データサイエンス研究所
• 著者所属: NTTコンピュータ＆データサイエンス研究所
• 著者所属: NTTコミュニケーション科学基礎研究所
• 著者所属(英): en
• 著者所属(英): NTT Computer and Data Science Laboratories
• 著者所属(英): en
• 著者所属(英): NTT Computer and Data Science Laboratories
• 著者所属(英): en
• 著者所属(英): NTT Computer and Data Science Laboratories
• 著者所属(英): en
• 著者所属(英): NTT Computer and Data Science Laboratories
• 著者所属(英): en
• 著者所属(英): NTT Communication Science Laboratories
• 著者名: 井田, 安俊; 金井, 関利; 足立, 一樹; 熊谷, 充敏; 藤原, 靖宏
• 著者名(英): Yasutoshi, Ida; Sekitoshi, Kanai; Kazuki, Adachi; Atsutoshi, Kumagai; Yasuhiro, Fujiwara
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 正則化付き離散最適輸送は，あるドメイン上のサンプルから構築される 2 つの離散分布を比較できるツールであり，機械学習において幅広い応用を持つ．この応用の中には教師なしドメイン適応のように片方のドメインのサンプルのみがクラスラベルを持つものがある．このような問題にてクラスラベルの情報を取り入れるため，グループ正則化がしばしば利用される．具体的には同じクラスラベルを持つサンプルを 1 つのグループとし，離散最適輸送の目的関数にグループ正則化項として組み込む．この目的関数を勾配法で最適化することで，クラスラベルの情報を考慮して分布を比較できる．しかし，クラス数やサンプル数が大きい場合，正則化項の数やサイズも大きくなり勾配の計算時間も増加する．そこで本論文では高速なグループ正則化付き離散最適輸送を提案する．提案手法の主要なアイディアは，値がゼロになる勾配の計算を安全に省略することである．また提案手法は．既存手法と同じ目的関数の値になることを保証する．実験では提案手法が既存手法と比較して精度を落とすことなく最大 8.6 倍高速であることを示す．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: When we use discrete optimal transport (OT) for unsupervised domain adaptation, a group-sparse regularizer is frequently leveraged to preserve label information on data samples. However, the gradient computation is expensive when the number of classes or data samples is large. We propose fast discrete OT with group-sparse regularizers. The main idea is to skip the computations of the gradients that must be zeros. Our method is guaranteed to return the same value of the objective function as that of the original method. Experiments show that our method is up to 8.6 times faster than the original method without degrading accuracy.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AN10505667
• 書誌情報: 研究報告数理モデル化と問題解決（MPS）; 巻 2023-MPS-143, 号 53, p. 1-8, 発行日 2023-06-22
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-8833
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会