MIRANDA：MId-feature RANk対向的ドメイン適応による、気候変動に頑健な深層学習にもとづく生態学的予測

arXiv cs.LG / 2026/4/2

📰 ニュースSignals & Early TrendsIdeas & Deep AnalysisModels & Research

共有:

要点

本論文は、気候変動に起因する分布シフトに対して深層学習による植物のフェノロジー予測をより頑健にすることを目的とした、中間（mid-feature）に対するランク対向的ドメイン適応手法であるMIRANDAを提案する。
気候変動では、ドメイン変化が時間の連続体に沿って生じ、共変量シフトとラベルシフト（例：より温暖な記録とより早い春の到来）をともに含むため、従来のドメイン適応では不十分であると論じる。
MIRANDAは、最終の潜在表現に対する不変性の強制だけでなく、中間（mid-level）特徴に対して対向的正則化（adversarial regularization）を適用することで、この課題に対処する。
本手法は、気象表現における年の不変性を強制するためにランクに基づく目的関数を用い、時間的なドメイン構造を明示的に狙い撃ちする。
国規模・70年のデータセット（5種の樹木に対して67,800観測）での実験により、気候的シフトに対する頑健性の向上と、機構モデルに対する性能ギャップの縮小が示される。