by , ,
Abstract:
ニューラルネットワークを用いた微分方程式の学習は、データを活用した物理現象の正確なモデリングに寄与すると期待される一方、ドメインシフトによる性能低下が問題である。本研究では、物理モデルとニューラルネットワークを組み合わせたハイブリッドモデルが効率的なドメイン適応を促し、モデル化性能の向上に貢献することを実験的に示す。またこのようなハイブリッドモデル構造を自動的に決定する手法についても検討する。
Reference:
大坂 光, 武石 直也, 矢入 健久:ドメイン適応におけるハイブリッドモデリングおよび自動的なモデル構造決定, In 第28回情報論的学習理論ワークショップ, 那覇, 2025.
Bibtex Entry:
@conference{OsakaIBIS2025,
title = {ドメイン適応におけるハイブリッドモデリングおよび自動的なモデル構造決定},
author = {光 大坂 and 直也 武石 and 健久 矢入},
labauthor = {光 大坂 and 直也 武石 and 健久 矢入},
year = {2025},
abstract = {ニューラルネットワークを用いた微分方程式の学習は、データを活用した物理現象の正確なモデリングに寄与すると期待される一方、ドメインシフトによる性能低下が問題である。本研究では、物理モデルとニューラルネットワークを組み合わせたハイブリッドモデルが効率的なドメイン適応を促し、モデル化性能の向上に貢献することを実験的に示す。またこのようなハイブリッドモデル構造を自動的に決定する手法についても検討する。},
booktitle = {第28回情報論的学習理論ワークショップ, 那覇},
url = {https://ibisml.org/ibis2025/},
lang = {ja}
}