- モデルの識別性能と多様性との両方を測定する方法を提案した。行列のエントロピーが最小の時にフロベニウスノルムが上限値となる。ランクが最大の時に多様性が確保される。 - Batch Nuclear-norm Maximization(BNM)を提案した。目的関数に核ノルムを最大化する項を追加することで不均衡データでも多様性を確保する。ノルムが1以下の時、rankの凸包核ノルムになることを利用した。

半教師あり学習、ドメイン適応、ドメイン推定のタスクで実験を行った。それぞれの実験でBNM単体、BNMとこれまでの手法との組み合わせによって高いパフォーマンスを確認した。