論文の概要: Adapted tree boosting for Transfer Learning

• arxiv url: http://arxiv.org/abs/2002.11982v2
• Date: Fri, 3 Apr 2020 03:14:36 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-28 07:38:23.752401
• Title: Adapted tree boosting for Transfer Learning
• Title（参考訳）: 転校学習に適応したツリーブースティング
• Authors: Wenjing Fang, Chaochao Chen, Bowen Song, Li Wang, Jun Zhou, Kenny Q. Zhu
• Abstract要約: 不正検出モデルは顧客を保護するために構築されているが、新たなシーンによって強い需要がもたらされる。 提案モデルでは、類似した古いシーン下でのデータを利用し、新しいシーン下でのデータをターゲット領域として扱い、促進する。 この作業は、コールドスタートとデータ共有の問題にオプションを提供する。
• 参考スコア（独自算出の注目度）: 22.614588313162976
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Secure online transaction is an essential task for e-commerce platforms. Alipay, one of the world's leading cashless payment platform, provides the payment service to both merchants and individual customers. The fraud detection models are built to protect the customers, but stronger demands are raised by the new scenes, which are lacking in training data and labels. The proposed model makes a difference by utilizing the data under similar old scenes and the data under a new scene is treated as the target domain to be promoted. Inspired by this real case in Alipay, we view the problem as a transfer learning problem and design a set of revise strategies to transfer the source domain models to the target domain under the framework of gradient boosting tree models. This work provides an option for the cold-starting and data-sharing problems.
• Abstract（参考訳）: セキュアなオンライントランザクションは、eコマースプラットフォームにとって必須のタスクである。 世界でも有数のキャッシュレス決済プラットフォームであるalipayは、マーチャントと個人顧客の両方に支払いサービスを提供する。 不正検出モデルは顧客を保護するために構築されているが、トレーニングデータやラベルに欠ける新たなシーンによって強い需要がもたらされる。 提案モデルでは,類似した古いシーンのデータを活用し,新たなシーンのデータを対象領域として扱うことにより,異なる効果が得られる。 Alipayのこの実例に触発されて、我々はこの問題を伝達学習問題とみなし、ツリーモデルを強化する勾配の枠組みの下で、ソースドメインモデルをターゲットドメインに転送するための一連の修正戦略を設計する。 この作業は、コールドスタートとデータ共有の問題にオプションを提供する。

関連論文リスト

• Federated Black-Box Adaptation for Semantic Segmentation [25.12190845061075]
  フェデレートラーニング(Federated Learning, FL)は、分散ラーニングの一種で、複数の機関やクライアントが、タスクを解決するためのグローバルモデルを共同で学習することを可能にする。 近年の研究では、データのプライバシーを守るという約束は、既存の方法では守られていないことが示されている。 我々は、ゼロオーダー最適化(ZOO)を利用してクライアントモデルの重みを更新し、一階最適化(FOO)によりサーバ重みを更新するニューラルネットワークのブラックボックス適応であるBlackFedを提案する。
  論文  参考訳（メタデータ） (2024-10-31T17:45:09Z)
• Blockchain-enabled Trustworthy Federated Unlearning [50.01101423318312]
  フェデレートアンラーニング(Federated Unlearning)は、分散クライアントのデータオーナシップを保護するための、有望なパラダイムである。 既存の作業では、分散クライアントからの履歴モデルパラメータを保持するために、中央サーバが必要である。 本稿では,ブロックチェーンによる信頼性の高いフェデレーションアンラーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-01-29T07:04:48Z)
• FedBayes: A Zero-Trust Federated Learning Aggregation to Defend Against Adversarial Attacks [1.689369173057502]
  フェデレートラーニング(Federated Learning)は、クライアントデータに直接アクセスすることなく、マシンラーニングモデルをトレーニングする分散メソッドを開発した。 悪意のあるクライアントは、グローバルモデルを破壊し、フェデレーション内のすべてのクライアントのパフォーマンスを低下させることができる。 新たなアグリゲーション手法であるFedBayesは、クライアントのモデル重みの確率を計算することにより、悪意のあるクライアントの効果を緩和する。
  論文  参考訳（メタデータ） (2023-12-04T21:37:50Z)
• Informative Data Mining for One-Shot Cross-Domain Semantic Segmentation [84.82153655786183]
  Informative Data Mining (IDM) と呼ばれる新しいフレームワークを提案し、セマンティックセグメンテーションのための効率的なワンショットドメイン適応を実現する。 IDMは、最も情報性の高いサンプルを特定するために不確実性に基づく選択基準を提供し、迅速に適応し、冗長なトレーニングを減らす。 提案手法は,GTA5/SYNTHIAからCityscapesへの適応タスクにおいて,既存の手法より優れ,56.7%/55.4%の最先端のワンショット性能を実現している。
  論文  参考訳（メタデータ） (2023-09-25T15:56:01Z)
• Client-side Gradient Inversion Against Federated Learning from Poisoning [59.74484221875662]
  フェデレートラーニング(FL)により、分散参加者は、データを中央サーバに直接共有することなく、グローバルモデルをトレーニングできる。 近年の研究では、FLは元のトレーニングサンプルの再構築を目的とした勾配反転攻撃(GIA)に弱いことが判明している。 本稿では,クライアント側から起動可能な新たな攻撃手法であるクライアント側中毒性グレーディエント・インバージョン(CGI)を提案する。
  論文  参考訳（メタデータ） (2023-09-14T03:48:27Z)
• $\Delta$-Patching: A Framework for Rapid Adaptation of Pre-trained Convolutional Networks without Base Performance Loss [71.46601663956521]
  大規模なデータセットで事前トレーニングされたモデルはしばしば、時間とともにやってくる新しいタスクやデータセットをサポートするように微調整される。 モデルコピーを格納することなく、効率よく微調整ニューラルネットワークモデルに$Delta$-Patchingを提案する。 我々の実験によると、$Delta$-Networksは、トレーニングされるパラメータのごく一部しか必要とせず、初期のモデルパッチ作業より優れています。
  論文  参考訳（メタデータ） (2023-03-26T16:39:44Z)
• FedToken: Tokenized Incentives for Data Contribution in Federated Learning [33.93936816356012]
  ブロックチェーン技術を基盤として,コントリビューションベースのトークン化インセンティブスキームである textttFedToken を提案する。 まず、モデル集約中の局所モデルの寄与を近似し、次に、クライアントが収束のために通信ラウンドを下げる戦略的スケジュールを立てる。
  論文  参考訳（メタデータ） (2022-09-20T14:58:08Z)
• Augmented Bilinear Network for Incremental Multi-Stock Time-Series Classification [83.23129279407271]
  本稿では,有価証券のセットで事前学習したニューラルネットワークで利用可能な知識を効率的に保持する手法を提案する。 本手法では,既存の接続を固定することにより,事前学習したニューラルネットワークに符号化された事前知識を維持する。 この知識は、新しいデータを用いて最適化された一連の拡張接続によって、新しい証券に対して調整される。
  論文  参考訳（メタデータ） (2022-07-23T18:54:10Z)
• Modeling Users' Behavior Sequences with Hierarchical Explainable Network for Cross-domain Fraud Detection [19.262529179023254]
  本稿では,ユーザの行動系列をモデル化する階層型説明可能ネットワーク(HEN)を提案する。 また,クロスドメイン不正検出問題に対処するための転送フレームワークを提案する。 提案手法は,HENだけでなく,既存モデルにも適用可能な汎用トランスファーフレームワークである。
  論文  参考訳（メタデータ） (2022-01-04T06:37:16Z)
• Federated Multi-Target Domain Adaptation [99.93375364579484]
  フェデレートされた学習手法により、プライバシを保護しながら、分散ユーザデータ上で機械学習モデルをトレーニングすることが可能になります。 分散クライアントデータがラベル付けされず、集中型ラベル付きデータセットがサーバ上で利用可能となる、より実用的なシナリオを考えます。 本稿では,新しい課題に対処する効果的なDualAdapt法を提案する。
  論文  参考訳（メタデータ） (2021-08-17T17:53:05Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。