文献

J-GLOBAL ID：201802241372231439   整理番号：18A0859634

ディープニューラルネットワークのための差分プライベート最適化アルゴリズム【JST・京大機械翻訳】

Differentially private optimization algorithms for deep neural networks

著者 (4件)： Gylberth Roan (Faculty of Computer Science, Universitas Indonesia, Depok, Indonesia) ,  Adnan Risman (Faculty of Computer Science, Universitas Indonesia, Depok, Indonesia) ,  Yazid Setiadi (Faculty of Computer Science, Universitas Indonesia, Depok, Indonesia) ,  Basaruddin T. (Faculty of Computer Science, Universitas Indonesia, Depok, Indonesia)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICACSIS  ページ： 387-394  発行年： 2017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： 深いニューラルネットワークベースのモデルは,コンピュータビジョン,音声認識および自然言語処理における複雑な学習タスクを解決する優れた能力を示した。深いニューラルネットワークは入力データから特定の学習タスクを解くことによりデータ表現を学習する。SGD,Moentum,Nesterov,RMSProp,およびAdamのようないくつかの最適化アルゴリズムは,深いニューラルネットワークモデルの損失関数を最小にするために一般的に使用された。いくつかの点で,このモデルは訓練データに関するいくつかの情報を漏れる可能性がある。この漏れを軽減するために,差動的に私的な最適化アルゴリズムを用いて,ニューラルネットワークモデルを訓練することができた。本論文では,DNNとCNNのような深いニューラルネットワークモデルを訓練するために,差別的に個人的なMoentum,Nesterov,RMSProp,およびAdamアルゴリズムを開発し,使用した。これらの差別的に私的な最適化アルゴリズムは,異なる私的SGDよりも優れた性能を発揮し,より高いモデル精度とより速い収束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： コンピュータビジョン ,  *ニューラルネットワーク ,  損失関数 ,  *アルゴリズム ,  学習 ,  データ表現 ,  モデル ,  自然言語処理 ,  音声認識
準シソーラス用語： 差別 ,  訓練データ ,  神経回路網モデル ,  入力データ ,  *最適アルゴリズム ,  *ディープニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： ディープニューラルネットワーク ,  差分 ,  最適化アルゴリズム