文献

J-GLOBAL ID：202102253541775085   整理番号：21A0892789

非IID GPS軌道からの旅行モード同定のためのロバストな連合学習アプローチ【JST・京大機械翻訳】

Robust Federated Learning Approach for Travel Mode Identification from Non-IID GPS Trajectories

著者 (5件)： Zhu Yuanshao (Guangdong Provincial Key Laboratory of Brain-inspired Intelligent Computation) ,  Zhang Shuyu (Guangdong Provincial Key Laboratory of Brain-inspired Intelligent Computation) ,  Liu Yi (Guangdong Provincial Key Laboratory of Brain-inspired Intelligent Computation) ,  Niyato Dusit (School of Computer Science and Engineering, Nanyang Technological University) ,  Yu James J.Q. (Guangdong Provincial Key Laboratory of Brain-inspired Intelligent Computation)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICPADS  ページ： 585-592  発行年： 2020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： GPS軌道は,インテリジェント輸送システム(ITS)における最も重要なデータ源の1つである。単純な応用は,企業や組織がユーザの旅行行動を特定するのを助けるために,これらのデータ源を使用することである。しかし,GPS軌道は利用者の個人データ(例えば,位置)に直接関連するので,市民は第三者と彼らの私的情報を共有しない。ユーザのプライバシーを保護する間,旅行モードを同定する方法は重要な問題である。幸いことに,Fedated Learning(FL)フレームワークは,ユーザが共有データの代わりにGPSデータを局所的に維持することを可能にすることにより,プライバシー保護深層学習を達成できる。本論文では,プライバシーを損なうことなく,旅行モードを同定するため,Rouse Fedated Learning-based Travel Mode同定システムを提案する。特に,ユーザから生GPSデータにアクセスすることなくプライバシー保護旅行モード同定を達成するために,注意拡張モデルアーキテクチャを設計し,ロバストなFLを活用した。既存のモデルと比較して,集中モデルよりもより正確な同定結果を達成できる。さらに,現実世界における非独立および同一分散(非IID)GPSデータの問題を考慮して,各ユーザに対する局所データの分布を調節するための安全なデータ共有戦略を開発し,それによって,非IIDデータによる提案モデルは,IIDデータの分布に近い精度を達成することができた。実世界データセットに関する大規模な実験研究は,提案モデルがプライバシーを損なうことなく正確な同定を達成し,実世界の非IIDデータに対してロバストであることを示した。Copyright 2021 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： *旅行 ,  プライバシー ,  市民 ,  *GPS ,  *ロバスト性 ,  IDシステム
準シソーラス用語： 連合学習 ,  プライバシー保護 ,  データ共有化 ,  GPSデータ ,  深層学習 , 【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)： GPS ,  軌道 ,  旅行 ,  同定 ,  ロバスト ,  学習