최소극대 최적 적응형 구조적 전이 학습: 반파라메트릭 도메인 가변 계수 모델
본 논문은 도메인 식별자를 이용해 조건부 평균이 도메인에 따라 부드럽게 변하는 반파라메트릭 도메인‑가변 계수 모델(DVCM)을 제안한다. 다중 소스와 단일 타깃 환경에서, 제안된 적응형 전이 추정량은 소스 정보를 선택적으로 활용하면서도 타깃 전용 추정량보다 성능이 떨어지지 않도록 설계된다. 이 추정량은 최소극대(rate‑optimal) 속도를 달성하고, 비선형 패널티와 비모수 파일럿 추정량을 결합한 뒤에도 정규성 및 유효한 분산 추정량을 제공해…
저자: Hanxiao Chen, Debarghya Mukherjee
본 논문은 다중 소스와 단일 타깃 환경에서 조건부 평균이 도메인에 따라 변하는 문제를 다루며, 기존 전이 학습 방법이 종종 도메인 이질성을 과소평가하거나 과도하게 가정함으로써 음전이(negative transfer)를 초래하는 한계를 지적한다. 이를 해결하기 위해 저자들은 ‘도메인‑가변 계수 모델(Domain‑Varying Coefficient Model, DVCM)’을 제안한다. DVCM은 관측 가능한 도메인 식별자 U (예: 연도, 지역, 장비 배치 등)를 도입하고, 회귀계수 θ(U) 를 U 에 대한 매끄러운 함수로 가정한다. 구체적으로, 일반화 선형 모델의 링크 함수 g 를 사용해
\
원본 논문
고화질 논문을 불러오는 중입니다...
댓글 및 학술 토론
Loading comments...
의견 남기기