@techreport{oai:ipsj.ixsq.nii.ac.jp:00226521,
 author = {井田, 安俊 and 金井, 関利 and 足立, 一樹 and 熊谷, 充敏 and 藤原, 靖宏 and Yasutoshi, Ida and Sekitoshi, Kanai and Kazuki, Adachi and Atsutoshi, Kumagai and Yasuhiro, Fujiwara},
 issue = {53},
 month = {Jun},
 note = {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．, 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.},
 title = {グループ正則化付き離散最適輸送の高速化},
 year = {2023}
}