空間-時間応用のための連合学習における公平性【JST・京大機械翻訳】

Mashhadi Afra; Kyllo Alex; Parizi Reza M.

プレプリント

J-GLOBAL ID：202202220904803116 整理番号：22P0275758

空間-時間応用のための連合学習における公平性【JST・京大機械翻訳】

Fairness in Federated Learning for Spatial-Temporal Applications

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2022年01月17日プレプリントサーバーでの情報更新日： 2022年01月19日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

反復学習は,携帯電話のような遠隔装置上の訓練統計モデルを含み,一方,データを局所化する。不均一で潜在的に大規模なネットワークにおける訓練は,プライバシー保護データ解析の機会を導入し,これらのモデルを人口のより包括的なものに多様化する。反復学習は,モデル訓練を,多様な参加者と,規則的かつ動的に生成されるデータに関して,モデル訓練を可能にすることにより,多くの既存モデルに公平性とパリティをもたらすユニークな機会として見ることができる。本論文では,空間時間モデルの文脈において公平性を測定および評価できる現在の計量およびアプローチを検討した。これらの計量とアプローチが,連合学習設定で直面する課題に対処するためにどのように再定義できるかを提案した。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , , 【Automatic Indexing@JST】

中枢神経系 , 人工知能 , パターン認識

, ,

前のページに戻る