@techreport{oai:ipsj.ixsq.nii.ac.jp:00242263,
 author = {與田, 悟史 and 内田, 誠一 and 豊田, 祥史},
 issue = {37},
 month = {Jan},
 note = {ファインチューニングとは，異なるタスクのデータを用いて事前に学習したモデルを，新規のタスクの初期モデルとして利用することにより，所望のターゲットタスクでの性能を向上を可能にする手法である．その数値的な有効性と実装の簡便さから, 数多くの分野で使われている技術になっている一方で，ターゲットタスクでの再学習時のモデル内部の変化の解析に関しては十分な理解が得られていない．本研究では，モデル間の類似度指標であるCentered Kernel Alignmentを用い，ファインチューニングによるモデル内部の特徴表現の逐次変化を解析する．MNISTを含む小規模なデータセットおよびDomainNetによる実験結果をもとに，タスクの違いに呼応した転移すべき特徴の変化を考察する．},
 title = {ファインチューニング時のモデル内部挙動のCentered Kernel Alignmentによる解析},
 year = {2025}
}