Lee Jiseokさん（システム情報科学府）の論文がPattern Recognitionにアクセプトされました．
おめでとうございます！
著者名
Lee Jiseok, Brian Kenji Iwana
所属学府
システム情報科学府 情報理工学専攻
論文タイトル
Multi-source Transfer Learning of Time Series with a Shapelet-based Distance Measure
要約
時系列分類における深層学習では，データ不足の問題に対処する有効な手法として転移学習が広く利用されている．しかし，その効果はsourceデータセットの選択に大きく依存する．従来のtransferability手法では，候補となるsourceデータセットに対してモデルをそれぞれpre-trainし，その有効性を評価する必要があるため，多大な計算コストを要するという課題がある．本研究では，Shapelet Matching と呼ばれる新たなtraining-freeのsource選択手法を提案する．本手法ではまず，targetデータセットおよび候補となるsourceデータセットから特徴的なshapeletを抽出する．次に，抽出されたshapelet集合間の類似性を比較することで，データセット間の類似度を定量化する．さらに，不適切な単一のsourceデータセットの選択によって生じる負の転移(negative transfer)のリスクを低減するため，multi-source転移学習手法を導入する．具体的には，shapeletに基づく類似度スコアに従って複数のsourceデータセットを選択し，それらを統合したmulti-sourceデータセットを構築する．この統合データセットを用いてpre-trainを実施した後，ターゲットタスクに対してファインチューニングを行う．提案手法の有効性を検証するため，UCR Archive に収録された128種類のデータセットを用い，Temporal CNNおよびTransformerを対象として評価を行った．その結果，提案するmulti-source pre-trainは，平均的に負の転移のリスクを低減できることが確認された．また，Shapelet Matching は CNN をバックボーンとするモデルにおいて最も優れた性能を示し，パッチベースの Transformer アーキテクチャに対しても競争力のある性能を維持した．さらに，候補となる各sourceデータセットごとに個別のpre-trainモデルを構築する必要がないため，計算コストを大幅に削減できることが示された．
ジャーナル名
Pattern Recognition
関連するSDGs
3.すべての人に健康と福祉を 11. 住み続けられるまちづくりを
喜びの声
ジャーナルに通ってよかったです！これからも頑張って行きたいと思います．
