Schedule
直近の Schedule
[今月](https://hiroki11x.github.io/posts/diary/2023_11/)
```
- 直近の締め切り/予定
- ASAP IBM CoverLetter
- 11/27 CVPR supplementary and Arxiv (Timm OOD)
- 11/31 Arxiv (SAM-Focal)
- 11/31 LinkedIn 返事
- 12/15 阪大 公募課題締め切り
- 1/? ICML x4 (F2 Metric? / SAM-Focal / SAM x Auto-Tuning)
- 1/? TMLR x1 (IRM Calibration)
- 2/? KDD x1 (Calibration CTR)
- 3/? TMLR x1 (TIC)
```
一日の流れ
- ICLR 関連
- 朝から中目黒の Dean and Deluca で作業
- Misc
- KDD2024 w/ LinkedIn に関してのまとめ
-
論文読み色々
- OOD に関する研究をまとめる
- 以下の多くの方法は、単純なERM（Empirical Risk Minimization）目標に調整パラメーターを持つ正則化ペナルティ r を追加すると見なすことができます。
- [1] 表現学習を用いたアプローチ：
- カーネルメソッドを用いたドメイン不変表現学習（Muandet et al., 2013; Ghifary et al., 2016）
- 不変リスク最小化（Invariant Risk Minimization）（Arjovsky et al., 2019; Krueger et al., 2020）
- ドメインアドバーサリアルニューラルネットワーク（Domain Adversarial Neural Networks）（Sun and Saenko, 2016; Li et al., 2018b）
- [2] 勾配計算に正則化を追加するアプローチ：
- 勾配計算に正則化を追加する方法（Shi et al., 2021; Rame et al., 2022）
- [3] その他のアプローチ：
- 分布的に堅牢な最適化（Distributionally Robust Optimization）（Sagawa et al., 2019）：トレーニングドメインの最悪ケースの分布シナリオを学習します。
- メタラーニング（Meta-Learning）（Finn et al., 2017; Li et al., 2018a）：ドメインシフトをシミュレートするためにメタラーニングタスクを構築し、一般的な知識を学習するメカニズムに基づいています。
-
よしとお茶
-
北原さん
- やらなきゃいけない
- Intern
- 奨学金
- 月例レポート
- Ioannis への推薦状の Material 共有
- 研究進める
所感
TODO
IceBox
Reference
Deadline
年間スケジュール
```
- NACCL 12/15
- NER
- IJCNN 1/15 or UAI 2/?
- IRM Variant
- ICML 2/1
- Curvature
- SAM Autotune
- KDD 2/2
- Logit Control
```