本論文では、視覚ドメイン適応問題における自己アンサンブルの利用について検討します。当社の手法は、時系列アンサンブル（Laineら, 2017）の一種である平均教師変種（Tarvainenら, 2017）から派生しています。この手法は、半教師あり学習分野で最先端の結果を達成しました。我々は、困難なドメイン適応シナリオに対応するため、彼らのアプローチにいくつかの改良を加え、その効果を評価します。当社の手法は、様々なベンチマークにおいて最先端の結果を達成しており、VISDA-2017視覚ドメイン適応チャレンジでの優勝エントリーも含みます。小規模画像ベンチマークにおいて、当社のアルゴリズムは既存技術を上回るだけでなく、教師あり学習で訓練された分類器に近い精度も達成しています。