論文の概要: Complex-valued deep learning with differential privacy

• arxiv url: http://arxiv.org/abs/2110.03478v1
• Date: Thu, 7 Oct 2021 14:03:00 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-08 23:46:22.705572
• Title: Complex-valued deep learning with differential privacy
• Title（参考訳）: 差分プライバシーを用いた複雑評価深層学習
• Authors: Alexander Ziller, Dmitrii Usynin, Moritz Knolle, Kerstin Hammernik, Daniel Rueckert, Georgios Kaissis
• Abstract要約: 複素数値関数に対する差分プライバシー(DP)の拡張である$zeta$-DPを提示する。 3つの複雑なタスクに対して$zeta$-DP-SGDを実験的に評価した。 我々の実験は、厳密なプライバシー保証と優れた実用性によって、複雑に評価されたニューラルネットワークのDPトレーニングが可能であることを実証した。
• 参考スコア（独自算出の注目度）: 61.95268687559429
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present $\zeta$-DP, an extension of differential privacy (DP) to complex-valued functions. After introducing the complex Gaussian mechanism, whose properties we characterise in terms of $(\varepsilon, \delta)$-DP and R\'enyi-DP, we present $\zeta$-DP stochastic gradient descent ($\zeta$-DP-SGD), a variant of DP-SGD for training complex-valued neural networks. We experimentally evaluate $\zeta$-DP-SGD on three complex-valued tasks, i.e. electrocardiogram classification, speech classification and magnetic resonance imaging (MRI) reconstruction. Moreover, we provide $\zeta$-DP-SGD benchmarks for a large variety of complex-valued activation functions and on a complex-valued variant of the MNIST dataset. Our experiments demonstrate that DP training of complex-valued neural networks is possible with rigorous privacy guarantees and excellent utility.
• Abstract（参考訳）: 複素数値関数に対する差分プライバシー(DP)の拡張である$\zeta$-DPを提示する。 複素ガウス機構を導入し、その性質を$(\varepsilon, \delta)$-DPとR\'enyi-DPで表すと、複素数値ニューラルネットワークの訓練のためのDP-SGDの変種である$\zeta$-DP確率勾配降下(\zeta$-DP-SGD)を示す。 心電図分類,音声分類,磁気共鳴画像(MRI)再構成の3つの複雑な課題に対して,$\zeta$-DP-SGDを実験的に評価した。 さらに、多種多様な複素値アクティベーション関数とmnistデータセットの複素値変種に対して$\zeta$-dp-sgdベンチマークを提供する。 本実験では,複雑なニューラルネットワークのdpトレーニングが,厳密なプライバシー保証と優れた実用性によって可能であることを実証する。

関連論文リスト

• DDEvENet: Evidence-based Ensemble Learning for Uncertainty-aware Brain Parcellation Using Diffusion MRI [5.757390718589337]
  EVENetは、拡散MRIを用いた解剖学的脳解析のためのエビデンスベースのエンサンブルニューラルネットワークである。 健常層および臨床集団の異なるデータセットの正確なパーセレーションと不確実性の推定値を得た。 この不確実性評価により,EVENet法は病変症例の異常脳領域の検出に有効であることが示された。
  論文  参考訳（メタデータ） (2024-09-11T05:26:23Z)
• Joint Supervised and Self-supervised Learning for MRI Reconstruction [7.018974360061121]
  Joint Supervised and Self-supervised Learning (JSSL)は、ディープラーニングに基づくMRI再構成アルゴリズムのための新しいトレーニング手法である。 JSSLは、ターゲットデータセットからのサブサンプルデータと教師付き学習方法で、完全にサンプル化された$k$-spaceデータを使用したデータセットを使用して、自己教師付き学習環境でモデルを同時にトレーニングすることによって動作する。 本研究は,画像品質指標を用いて,従来の自己監督手法よりも大幅に改善されたことを示す。
  論文  参考訳（メタデータ） (2023-11-27T14:23:36Z)
• fMRI-PTE: A Large-scale fMRI Pretrained Transformer Encoder for Multi-Subject Brain Activity Decoding [54.17776744076334]
  本稿では,fMRI事前学習のための革新的オートエンコーダであるfMRI-PTEを提案する。 我々のアプローチでは、fMRI信号を統合された2次元表現に変換し、次元の整合性を確保し、脳の活動パターンを保存する。 コントリビューションには、fMRI-PTEの導入、革新的なデータ変換、効率的なトレーニング、新しい学習戦略、そして我々のアプローチの普遍的な適用性が含まれる。
  論文  参考訳（メタデータ） (2023-11-01T07:24:22Z)
• Source-Free Collaborative Domain Adaptation via Multi-Perspective Feature Enrichment for Functional MRI Analysis [55.03872260158717]
  安静時MRI機能(rs-fMRI)は、神経疾患の分析を助けるために多地点で研究されている。 ソース領域とターゲット領域の間のfMRIの不均一性を低減するための多くの手法が提案されている。 しかし、マルチサイト研究における懸念やデータストレージの負担のため、ソースデータの取得は困難である。 我々は、fMRI解析のためのソースフリー協調ドメイン適応フレームワークを設計し、事前訓練されたソースモデルとラベルなしターゲットデータのみにアクセスできるようにする。
  論文  参考訳（メタデータ） (2023-08-24T01:30:18Z)
• Z-SSMNet: Zonal-aware Self-supervised Mesh Network for Prostate Cancer Detection and Diagnosis with Bi-parametric MRI [14.101371684361675]
  我々はZ-SSMNet(Z-SSMNet)を提案する。 Z-SSMNetは、多次元(2D/2.5D/3D)畳み込みを適応的に統合し、高密度スライス情報と異方性bpMRIのスパースス間情報を学習する。 大規模未ラベルデータを用いてネットワークを事前学習するための自己教師付き学習(SSL)手法を提案する。
  論文  参考訳（メタデータ） (2022-12-12T10:08:46Z)
• 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)
• Deep Representational Similarity Learning for analyzing neural signatures in task-based fMRI dataset [81.02949933048332]
  本稿では、表現類似度分析(RSA)の深部拡張であるDRSL(Deep Representational similarity Learning)を開発する。 DRSLは、多数の被験者を持つfMRIデータセットにおける様々な認知タスク間の類似性を分析するのに適している。
  論文  参考訳（メタデータ） (2020-09-28T18:30:14Z)
• Co-VeGAN: Complex-Valued Generative Adversarial Network for Compressive Sensing MR Image Reconstruction [8.856953486775716]
  本稿では,複素値入力を処理するための,複素値対向ネットワーク(Co-VeGAN)に基づく新しいフレームワークを提案する。 我々のモデルは複雑な値入力を処理でき、CS-MR画像の高品質な再構成を可能にする。
  論文  参考訳（メタデータ） (2020-02-24T20:28:49Z)
• MS-Net: Multi-Site Network for Improving Prostate Segmentation with Heterogeneous MRI Data [75.73881040581767]
  本稿では,ロバスト表現を学習し,前立腺のセグメンテーションを改善するための新しいマルチサイトネットワーク(MS-Net)を提案する。 当社のMS-Netは,すべてのデータセットのパフォーマンスを一貫して改善し,マルチサイト学習における最先端の手法よりも優れています。
  論文  参考訳（メタデータ） (2020-02-09T14:11:50Z)

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。