Fugu-MT 論文翻訳(概要): PolyDNN: Polynomial Representation of NN for Communication-less SMPC Inference

論文の概要: PolyDNN: Polynomial Representation of NN for Communication-less SMPC Inference

arxiv url: http://arxiv.org/abs/2104.00863v1
Date: Fri, 2 Apr 2021 02:59:37 GMT
ステータス: 処理完了
システム内更新日: 2021-04-05 21:07:44.125988
Title: PolyDNN: Polynomial Representation of NN for Communication-less SMPC Inference
Title（参考訳）: PolyDNN:コミュニケーションレスSMPC推論のためのNNの多項式表現
Authors: Philip Derbeko and Shlomi Dolev
Abstract要約: ネットワークを1つにまとめる手法と,効率的な情報セキュアなmpcアルゴリズムによる計算方法を提案する。計算は、いくつかのケースで有益である参加当事者間の中間通信なしで行われます。
参考スコア（独自算出の注目度）: 5.1779474453796865
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The structure and weights of Deep Neural Networks (DNN) typically encode and contain very valuable information about the dataset that was used to train the network. One way to protect this information when DNN is published is to perform an interference of the network using secure multi-party computations (MPC). In this paper, we suggest a translation of deep neural networks to polynomials, which are easier to calculate efficiently with MPC techniques. We show a way to translate complete networks into a single polynomial and how to calculate the polynomial with an efficient and information-secure MPC algorithm. The calculation is done without intermediate communication between the participating parties, which is beneficial in several cases, as explained in the paper.
Abstract（参考訳）: ディープニューラルネットワーク(DNN)の構造と重みは典型的に符号化され、ネットワークのトレーニングに使用されたデータセットに関する非常に貴重な情報を含んでいる。 dnnの公開時にこの情報を保護する1つの方法は、セキュアなマルチパーティ計算(mpc)を使用してネットワークの干渉を実行することである。本稿では,深層ニューラルネットワークの多項式への変換について提案する。完全ネットワークを1つの多項式に変換する方法と、効率よく情報保護的なMPCアルゴリズムを用いて多項式を計算する方法を示す。論文で説明されているように、計算は参加者間の中間的なコミュニケーションなしで行われ、いくつかのケースで有効である。

関連論文リスト

Learning the Optimal Path and DNN Partition for Collaborative Edge Inference [4.368333109035076]
Deep Neural Networks (DNN)は、多数のインテリジェントなモバイルアプリケーションとサービスの開発を触媒している。これを解決するために、協調的なエッジ推論が提案されている。この方法では、DNN推論タスクを複数のサブタスクに分割し、それらを複数のネットワークノードに分散する。我々は,従来のブロックされたEXP3アルゴリズムとLinUCBアルゴリズムの要素を組み合わせたB-EXPUCBアルゴリズムを導入し,そのサブ線形後悔を示す。
論文参考訳（メタデータ） (2024-10-02T01:12:16Z)
nn2poly: An R Package for Converting Neural Networks into Interpretable Polynomials [1.86413150130483]
nn2polyパッケージは、ニューラルネットワークの説明と解釈を行うNN2メソッドのRの実装を提供する。このパッケージは、Rの主要なディープラーニングフレームワークパッケージとの統合を提供する。他のニューラルネットワークパッケージも、その重みをリスト形式に含めることで使用できる。
論文参考訳（メタデータ） (2024-06-03T17:59:30Z)
Defining Neural Network Architecture through Polytope Structures of Dataset [53.512432492636236]
本稿では, ニューラルネットワーク幅の上下境界を定義し, 問題となるデータセットのポリトープ構造から情報を得る。本研究では,データセットのポリトープ構造を学習したニューラルネットワークから推定できる逆条件を探索するアルゴリズムを開発した。 MNIST、Fashion-MNIST、CIFAR10といった一般的なデータセットは、顔の少ない2つ以上のポリトップを用いて効率的にカプセル化できることが確立されている。
論文参考訳（メタデータ） (2024-02-04T08:57:42Z)
Dynamic Semantic Compression for CNN Inference in Multi-access Edge Computing: A Graph Reinforcement Learning-based Autoencoder [82.8833476520429]
部分オフロードにおける効果的な意味抽出と圧縮のための新しい意味圧縮手法であるオートエンコーダベースのCNNアーキテクチャ(AECNN)を提案する。セマンティックエンコーダでは、CNNのチャネルアテンション機構に基づく特徴圧縮モジュールを導入し、最も情報性の高い特徴を選択して中間データを圧縮する。セマンティックデコーダでは、受信した圧縮データから学習して中間データを再構築し、精度を向上させる軽量デコーダを設計する。
論文参考訳（メタデータ） (2024-01-19T15:19:47Z)
Learning with Multigraph Convolutional Filters [153.20329791008095]
MSPモデルに基づいて情報を処理する階層構造として多グラフ畳み込みニューラルネットワーク(MGNN)を導入する。また,MGNNにおけるフィルタ係数のトラクタブルな計算手法と,レイヤ間で転送される情報の次元性を低減するための低コストな手法を開発した。
論文参考訳（メタデータ） (2022-10-28T17:00:50Z)
Over-the-Air Split Machine Learning in Wireless MIMO Networks [56.27831295707334]
スプリット機械学習(ML)では、ニューラルネットワーク(NN)の異なるパーティションが異なる計算ノードによって実行される。通信負担を軽減するため、OAC(Over-the-air calculation)は通信と同時に計算の全てまたは一部を効率的に実装することができる。
論文参考訳（メタデータ） (2022-10-07T15:39:11Z)
Receptive Field-based Segmentation for Distributed CNN Inference Acceleration in Collaborative Edge Computing [93.67044879636093]
協調エッジコンピューティングネットワークにおける分散畳み込みニューラルネットワーク(CNN)を用いた推論高速化について検討する。我々は,CNNモデルを複数の畳み込み層に分割するために,融合層並列化を用いた新しい協調エッジコンピューティングを提案する。
論文参考訳（メタデータ） (2022-07-22T18:38:11Z)
HD-cos Networks: Efficient Neural Architectures for Secure Multi-Party Computation [26.67099154998755]
マルチパーティ計算(MPC、Multi-party calculation)は、暗号化の分野の一つで、複数の非解決パーティが関数を安全に計算するためのプロトコルを実行する。 MPC設定下でニューラルネットワークのトレーニングと推論について検討する。どちらの手法も、MPC設定下での強力な理論的モチベーションと効率的な計算を享受できることを示す。
論文参考訳（メタデータ） (2021-10-28T21:15:11Z)
Efficient Representations for Privacy-Preserving Inference [3.330229314824913]
我々は、MNISTとCIFAR-10データセットに基づいて、プライベートCNNを構築し、評価する。我々はCryptoNetsアーキテクチャの推論に使用される演算数を2倍に減らした。
論文参考訳（メタデータ） (2021-10-15T19:03:35Z)
Learning Autonomy in Management of Wireless Random Networks [102.02142856863563]
本稿では,任意の数のランダム接続ノードを持つ無線ネットワークにおいて,分散最適化タスクに取り組む機械学習戦略を提案する。我々は,ネットワークトポロジとは無関係に,前方および後方に計算を行う分散メッセージパスニューラルネットワーク(DMPNN)と呼ばれる,柔軟な深層ニューラルネットワーク形式を開発した。
論文参考訳（メタデータ） (2021-06-15T09:03:28Z)
Computational Separation Between Convolutional and Fully-Connected Networks [35.39956227364153]
我々は、畳み込みネットワークがデータの局所性をどのように活用し、完全に接続されたネットワークに対して計算上の優位性を実現するかを示す。具体的には,勾配差を学習した畳み込みネットワークを用いて,効率よく解ける問題群を示す。
論文参考訳（メタデータ） (2020-10-03T14:24:59Z)

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。