[2M5-OS-24] AutoML（自動機械学習）

[2M5-OS-24-03] グラフ上の距離を用いたFused Gromov-Wasserstein最適輸送による変数の拡張に対するドメイン適応

〇有竹 俊光¹、日野 英逸^2,3 (1. 一橋大学、2. 統計数理研究所、3. 理化学研究所　革新知能統合研究センター (AIP))

キーワード：転移学習、最適輸送、ドメイン適応

ドメイン適応の主な目的は，ソースドメインのラベル付きデータに関する知識をターゲットドメインへ転移させ，ドメイン間の違いを考慮して予測モデルを学習することである．本研究では，ソースドメインのデータのみにラベルが付与される教師なしドメイン適応問題に焦点を当て，ターゲットドメインにおける新規変数の追加観測をドメインシフトとして捉え，次元が異なるドメイン間でのドメイン適応をする．

本研究では，輸送元と輸送先のドメインに属する点間の距離を最小化する最適輸送と，ドメイン内の距離構造を保持するGromov-Wasserstein最適輸送を組み合わせたFused Gromov-Wasserstein最適輸送を用いて，このドメイン適応を実現する．さらに，Gromov-Wassersteinの輸送コストとして，通常の距離コストに加えて，ソースドメイン内のラベル間距離や，ターゲットドメインのデータから推定されるグラフ上の距離を用いる．これにより，データが従う構造をより適切に考慮した適応が可能となることを示す．