文献

J-GLOBAL ID：201802213784527675   整理番号：18A1771300

プライバシー保持機械学習のためのマルチカーネル,ディープニューラルネットワークおよびハイブリッドモデル【JST・京大機械翻訳】

Multi-Kernel, Deep Neural Network and Hybrid Models for Privacy Preserving Machine Learning

著者 (3件)： Al Mert (Princeton University, Princeton, NJ, USA) ,  Chanyaswad Thee (Princeton University, Princeton, NJ, USA) ,  Kung Sun- Yuan (Princeton University, Princeton, NJ, USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ICASSP  ページ： 2891-2895  発行年： 2018年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： IoTとBigデータの急速な上昇は,我々のクオリティオブライフを高めるためのデータの利用を容易にすることができる。しかしながら,データの全現在と敏感な性質は同時にプライバシーの懸念を発生させることができる。したがって,データが意図された目的に役立つ技術を開発することが強い必要があるが,1つの敏感な情報に対してはそうではない。データの損失圧縮を最大化することにより,この挑戦に取り組んだ。著者らの技術は,Deepニューラルネットワークの構造的豊富さによってカーネル学習モデルの数学的硬直を結合して,新規マルチカーネル学習とハイブリッド学習モデルに導いた。著者らは,2つの以前の非交差領域,すなわち,カーネル学習とDeepニューラルネットワークからの実験結果における累積的改良によって動機づけられるように,漸進的段階において提案したモデルを系統的に構築した。3つのモバイルセンシングデータセットに関する3つの提案したモデルの最終実験結果は,効用予測精度を改善することができるだけでなく,それらがランダム推測としてほとんど悪くなるように敏感な予測を引き起こすことができるだけでなく,ユーティリティとプライバシーに関してウィンウィン状況をもたらすことを示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *ニューラルネットワーク ,  *プライバシー ,  高速度 ,  クオリティオブライフ ,  携帯電話 ,  *機械学習
準シソーラス用語： 予測精度 ,  Kernel法 ,  *ハイブリッドモデル ,  マルチカーネル学習 ,  ハイブリッド学習 ,  モノのインターネット ,  *ディープニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： プライバシー ,  機械学習 ,  マルチ ,  カーネル ,  ディープニューラルネットワーク ,  ハイブリッドモデル