論文の概要: Photonic Differential Privacy with Direct Feedback Alignment
- arxiv url: http://arxiv.org/abs/2106.03645v1
- Date: Mon, 7 Jun 2021 14:18:01 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-08 17:30:17.976271
- Title: Photonic Differential Privacy with Direct Feedback Alignment
- Title(参考訳): 直接フィードバックアライメントを用いたフォトニック微分プライバシー
- Authors: Ruben Ohana, Hamlet J. Medina Ruiz, Julien Launay, Alessandro
Cappelli, Iacopo Poli, Liva Ralaivola, Alain Rakotomamonjy
- Abstract要約: 本稿では,光乱射影の固有雑音を利用して,微分プライベートなDFA機構を構築する方法について述べる。
本研究は,エンドタスクの確固たるパフォーマンスを実現するための学習手順の実証実験を行う。
- 参考スコア(独自算出の注目度): 66.61196212740359
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Optical Processing Units (OPUs) -- low-power photonic chips dedicated to
large scale random projections -- have been used in previous work to train deep
neural networks using Direct Feedback Alignment (DFA), an effective alternative
to backpropagation. Here, we demonstrate how to leverage the intrinsic noise of
optical random projections to build a differentially private DFA mechanism,
making OPUs a solution of choice to provide a private-by-design training. We
provide a theoretical analysis of our adaptive privacy mechanism, carefully
measuring how the noise of optical random projections propagates in the process
and gives rise to provable Differential Privacy. Finally, we conduct
experiments demonstrating the ability of our learning procedure to achieve
solid end-task performance.
- Abstract(参考訳): 大規模ランダムプロジェクション専用の低消費電力フォトニックチップである光処理ユニット(OPUs)は、バックプロパゲーションの効果的な代替手段であるダイレクトフィードバックアライメント(DFA)を使用してディープニューラルネットワークのトレーニングに使用されている。
本稿では,光ランダム射影の固有ノイズを生かして差動的にプライベートなdfa機構を構築する方法を示し,opusをプライベート・バイ・デザインのトレーニングとして選択する。
適応型プライバシ機構の理論解析を行い、光学ランダムプロジェクションのノイズがどのように伝播するかを慎重に測定し、証明可能な微分プライバシを生み出す。
最後に,エンドタスクのパフォーマンス向上のための学習手順の実証実験を行った。
関連論文リスト
- Deep Generative Neural Embeddings for High Dimensional Data
Visualization [0.45687771576879593]
本稿では,ニューラルネットワークの埋め込みと生成ネットワークを利用してオリジナルデータを再構築する可視化手法を提案する。
データ可視化における本手法の有効性を評価し, t-SNE法およびVAE法と比較した。
我々の技術は、最適化プロセスに影響を与えることなく、埋め込み位置の独立的な編集を可能にするため、ループ内トレーニングに潜在的に応用できる。
論文 参考訳(メタデータ) (2023-01-25T14:18:09Z) - On the Importance of Architecture and Feature Selection in
Differentially Private Machine Learning [2.387686431425822]
差分プライベート機械学習の典型的なワークフローにおける落とし穴について検討する。
差分的にプライベートな学習アルゴリズムを"ドロップイン"方式で使用すると、過度に複雑でパフォーマンスの悪いモデルが得られる。
論文 参考訳(メタデータ) (2022-05-13T15:57:34Z) - Image-specific Convolutional Kernel Modulation for Single Image
Super-resolution [85.09413241502209]
本稿では,新しい画像特異的畳み込み変調カーネル(IKM)を提案する。
我々は、画像や特徴のグローバルな文脈情報を利用して、畳み込みカーネルを適応的に調整するための注意重みを生成する。
単一画像超解像実験により,提案手法は最先端手法よりも優れた性能を示した。
論文 参考訳(メタデータ) (2021-11-16T11:05:10Z) - NerfingMVS: Guided Optimization of Neural Radiance Fields for Indoor
Multi-view Stereo [97.07453889070574]
本稿では,従来のSfM再構成と学習に基づく先行手法を併用した多視点深度推定手法を提案する。
提案手法は室内シーンにおける最先端手法を著しく上回ることを示す。
論文 参考訳(メタデータ) (2021-09-02T17:54:31Z) - Deep Reparametrization of Multi-Frame Super-Resolution and Denoising [167.42453826365434]
本稿では,多フレーム画像復元作業によく用いられる最大後部定式化の深部再パラメータ化を提案する。
提案手法は,学習された誤差メトリックと,対象画像の潜在表現を導入することによって導かれる。
我々は、バースト復調およびバースト超解像データセットに関する包括的な実験を通して、我々のアプローチを検証する。
論文 参考訳(メタデータ) (2021-08-18T17:57:02Z) - NeuralDP Differentially private neural networks by design [61.675604648670095]
ニューラルネットワーク内のいくつかの層の活性化を民営化する手法であるNeuralDPを提案する。
本研究では,DP-SGDと比較して,プライバシーとユーティリティのトレードオフを大幅に改善した2つのデータセットを実験的に検証した。
論文 参考訳(メタデータ) (2021-07-30T12:40:19Z) - Plug-and-Play external and internal priors for image restoration [0.0]
画像に作用するディープデノイザに基づく画像復元のための新しいアルゴリズムを提案する。
提案手法の有効性を実地医療環境のシミュレートにより検証し,ノイズ画像の復元に有効であることを示す。
論文 参考訳(メタデータ) (2021-02-15T12:19:28Z) - Bayesian optimization for automatic design of face stimuli [2.572404739180802]
本稿では,GANとベイズ最適化を組み合わせた新しいフレームワークを提案する。
形式的には、我々はベイズ最適化を用いて、最先端のGANモデルの潜在空間を効率的に探索し、新しい顔を自動的に生成することを目的としている。
このアルゴリズムは,顔の異なるセマンティック・トランスフォーメーションにまたがる応答をマッピングしながら,個人の最適な顔の特定を効率的に行う方法を示す。
論文 参考訳(メタデータ) (2020-07-20T10:27:18Z) - Variational Denoising Network: Toward Blind Noise Modeling and Removal [59.36166491196973]
ブラインド画像のデノイングはコンピュータビジョンにおいて重要な問題であるが、非常に難しい問題である。
本稿では,ノイズ推定と画像デノーミングを併用した新しい変分推論手法を提案する。
論文 参考訳(メタデータ) (2019-08-29T15:54:06Z)
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。