文献

J-GLOBAL ID：201902270660443355   整理番号：19A1112923

非プライベートデータからの知識移転による複雑なタスクに関するPATEの強化【JST・京大機械翻訳】

Enhance PATE on Complex Tasks With Knowledge Transferred From Non-Private Data

著者 (4件)： Wang Lulu (Key Laboratory of High Confidence Software Technologies, Ministry of Education, School of Electronics Engineering and Computer Science, Peking University, Beijing, China) ,  Zheng Junxiang (Key Laboratory of High Confidence Software Technologies, Ministry of Education, School of Electronics Engineering and Computer Science, Peking University, Beijing, China) ,  Cao Yongzhi (Key Laboratory of High Confidence Software Technologies, Ministry of Education, School of Electronics Engineering and Computer Science, Peking University, Beijing, China) ,  Wang Hanpin (Key Laboratory of High Confidence Software Technologies, Ministry of Education, School of Electronics Engineering and Computer Science, Peking University, Beijing, China)
資料名： IEEE Access  (IEEE Access)
巻： 7  ページ： 50081-50094  発行年： 2019年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
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： プライバシー保護は学習ベースシステムにおける重要な問題と考えられている。最近,機械学習と深い学習コンテキストにおける個人のプライバシーを保護するために,差動プライバシーに基づく様々な研究が提案されている。最先端のアプローチの一つは,多くの異なる学習アルゴリズムにうまく適用できる一般的な枠組みであるTeacher Ensembles(PATE)の優先集合である。PATEにおいて,著者らは,個人のデータセットを多くの非共同サブセットに分割し,これらのサブセット上の教師の集合を訓練する必要がある。次に,教師のアンサンブルから学生モデルへの雑音予測を伝達した。本論文では,自然画像分類のような複雑なデータセットとタスクに対して,一つの教師に割り当てられた訓練集合は,理想的な性能を達成するために,対応するタスクに関してあまりにも小さい可能性があることを示した。この問題を軽減するために,移動学習によりPATEを拡張するTrPATEフレームワークを提案した。PATEに基づいて,公開されている非個人データセットから抽出された知識を教師に転送し共有する。広範な実験を種々のデータセットについて行い,実験結果によりこの方法の有効性を実証した。Copyright 2019 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： プライバシー ,  学習アルゴリズム ,  雑音 ,  部分集合 ,  機械学習 ,  有効性 ,  *学習 ,  予測
準シソーラス用語： 自然画像 ,  プライバシー保護 ,  知識移転 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 知識移転 ,  タスク ,  強化