要約
深層ネットワークは、ソースドメインから異なるターゲットドメインへのモデルの適応のために、転移可能な特徴を学習するために成功裏に適用されてきました。本論文では、ジョイントアダプテーションネットワーク（JAN）を提案します。これは、複数のドメイン固有の層の結合分布をジョイント最大平均相違（JMMD）基準に基づいてドメイン間で整列させることにより、転移ネットワークを学習する方法です。敵対的訓練戦略が採用され、JMMDを最大化することで、ソースドメインとターゲットドメインの分布がより区別しやすくなります。学習は、バックプロパゲーションによって計算された勾配を使用して線形時間で確率的勾配降下法によって実行できます。実験結果は、当社のモデルが標準データセット上で最先端の結果を達成することを証明しています。注：- "Deep networks" は「深層ネットワーク」- "joint adaptation networks (JAN)" は「ジョイントアダプテーションネットワーク（JAN）」- "joint maximum mean discrepancy (JMMD)" は「ジョイント最大平均相違（JMMD）」- "adversarial training strategy" は「敵対的訓練戦略」- "stochastic gradient descent" は「確率的勾配降下法」- "back-propagation" は「バックプロパゲーション」これらの専門用語は一般的な日本語での使用に合わせて翻訳されています。