論文の概要: Proof-of-Useful-Work Blockchain for Trustworthy Biomedical Hyperdimensional Computing

• arxiv url: http://arxiv.org/abs/2202.02964v2
• Date: Thu, 07 Aug 2025 14:51:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-08 18:59:39.50009
• Title: Proof-of-Useful-Work Blockchain for Trustworthy Biomedical Hyperdimensional Computing
• Title（参考訳）: 信頼性の高いバイオメディカル超次元計算のための実用的ブロックチェーン
• Authors: Jinghao Wen, Dongning Ma, Sizhe Zhang, Hasshi Sudler, Xun Jiao,
• Abstract要約: 私たちはHDCoinを紹介します。これは超次元コンピューティング(HDC)のための最初の実用的ブロックチェーンフレームワークです。 HDCoinでは,従来の省エネルギーマイニングプロセスを,高精度で信頼性が高く検証可能な超次元モデルを開発するための競争的なプロセスに変換する。
• 参考スコア（独自算出の注目度）: 1.4218163705264741
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Hyperdimensional Computing (HDC) is a promising bio-inspired learning paradigm for its advantage of balancing performance and efficiency and has been increasingly applied to the bio-medical domain. In bio-medical applications, trustworthiness such as replicability and verifiability of the trained learning models is crucial. In this work, we introduce HDCoin, the first proof-of-useful-work blockchain framework for HDC. With HDCoin, we transform the conventional energy-wasteful mining process into a competitive process for developing high accuracy, trustworthy and verifiable hyperdimensional models. We explore four diverse biomedical datasets, and conduct an extensive design-space exploration of key HDC hyperparameters of blockchain miners such as dimensionality, learning rate, and retraining iterations for model performance, adaptive mining difficulty and fairness on proof-of-useful-work.
• Abstract（参考訳）: 超次元コンピューティング(HDC)は、性能と効率のバランスをとることの利点を活かした、有望なバイオインスパイアされた学習パラダイムであり、バイオメディカル領域にますます適用されてきた。 生体医学的応用においては、訓練された学習モデルの複製性や妥当性などの信頼性が不可欠である。 本稿では,HDC用の初の実証作業型ブロックチェーンフレームワークであるHDCoinを紹介する。 HDCoinでは,従来の省エネルギーマイニングプロセスを,高精度で信頼性が高く検証可能な超次元モデルを開発するための競争的なプロセスに変換する。 4つの多様なバイオメディカルデータセットを探索し、ディメンタリティ、学習率、モデルのパフォーマンス、適応的なマイニングの難しさ、役立たずな作業の公正性など、ブロックチェーンマイニング者の重要なHDCハイパーパラメータを広範囲に設計・空間で探索する。

関連論文リスト

• Trusted Compute Units: A Framework for Chained Verifiable Computations [41.94295877935867]
  本稿では,異種技術間のコンポーザブルで相互運用可能な計算を可能にする統合フレームワークであるTrusted Compute Unit(TCU)を紹介する。 オンチェーンの確認遅延やガス料金を発生させることなく、セキュアなオフチェーンインタラクションを可能にすることで、TCUはシステムパフォーマンスとスケーラビリティを大幅に改善する。
  論文  参考訳（メタデータ） (2025-04-22T09:01:55Z)
• ScaloWork: Useful Proof-of-Work with Distributed Pool Mining [0.8192907805418583]
  BitcoinブロックチェーンはハッシュベースのProof-of-Work(PoW)を使用して、不要な参加者がネットワークリソースを盗むのを防ぐ。 このエネルギーの大部分はハッシュ計算に費やされるが、これは追加の目的にはならない。 本稿では,Bitcoinブロックチェーンのブロックプロポーサを,支配的設定問題に対するソリューションに基づいて決定する,Useful PoW用の新しいフレームワークであるScaloWorkを提案する。
  論文  参考訳（メタデータ） (2025-04-19T15:43:27Z)
• Efficient Self-Supervised Video Hashing with Selective State Spaces [63.83300352372051]
  自己監督型ビデオハッシュ(SSVH)は,ビデオインデックス作成と検索の実践的課題である。 本稿では,マンバをベースとしたビデオハッシュモデルであるS5VHを紹介する。
  論文  参考訳（メタデータ） (2024-12-19T04:33:22Z)
• Synergistic Development of Perovskite Memristors and Algorithms for Robust Analog Computing [53.77822620185878]
  本稿では,ペロブスカイト・メムリスタの製作を同時に最適化し,ロバストなアナログDNNを開発するための相乗的手法を提案する。 BO誘導ノイズインジェクションを利用したトレーニング戦略であるBayesMultiを開発した。 我々の統合されたアプローチは、より深くより広いネットワークでのアナログコンピューティングの使用を可能にし、最大100倍の改善を実現します。
  論文  参考訳（メタデータ） (2024-12-03T19:20:08Z)
• Active Data Curation Effectively Distills Large-Scale Multimodal Models [66.23057263509027]
  知識蒸留(KD)は、大規模モデルをより小さなものに圧縮するデファクトスタンダードである。 本研究では, 対照的なマルチモーダル事前学習のための効果的な蒸留法として, 能動的データキュレーションの代替として, 簡単なアプローチを探求する。 我々の単純なオンラインバッチ選択方法であるACIDは、さまざまなモデル、データ、計算構成において、強力なKDベースラインよりも優れています。
  論文  参考訳（メタデータ） (2024-11-27T18:50:15Z)
• BlockFound: Customized blockchain foundation model for anomaly detection [47.04595143348698]
  BlockFoundは、異常なブロックチェーントランザクション検出のためのカスタマイズされた基盤モデルである。 ブロックチェーントランザクションのユニークなデータ構造をモデル化するための、一連のカスタマイズデザインを紹介します。 BlockFoundは、Solana上の異常なトランザクションを高精度に検出する唯一の方法である。
  論文  参考訳（メタデータ） (2024-10-05T05:11:34Z)
• SoK: Public Blockchain Sharding [19.82054462793622]
  この研究は、パブリックブロックチェーンシャーディングに関する知識の体系化を提供する。 これには、シャーディングシステムのコアコンポーネント、課題、制限、最新のシャーディングプロトコルのメカニズムが含まれている。
  論文  参考訳（メタデータ） (2024-05-30T22:38:40Z)
• Gophy: Novel Proof-of-Useful-Work blockchain architecture for High Energy Physics [0.0]
  アーキテクチャはGolangを使って実装されており、CbmRootソフトウェア環境内で実行できる。 ブロックチェーンはトークンベースの暗号通貨を特徴とし、計算力を寄付するマイナーに報酬を与える。 gophyという実装はGolangで実装されており、2024年末までにオープンソース化される予定である。
  論文  参考訳（メタデータ） (2024-04-13T22:34:48Z)
• Enhancing Trust and Privacy in Distributed Networks: A Comprehensive Survey on Blockchain-based Federated Learning [51.13534069758711]
  ブロックチェーンのような分散型アプローチは、複数のエンティティ間でコンセンサスメカニズムを実装することで、魅力的なソリューションを提供する。 フェデレートラーニング(FL)は、参加者がデータのプライバシを保護しながら、協力的にモデルをトレーニングすることを可能にする。 本稿では,ブロックチェーンのセキュリティ機能とFLのプライバシ保護モデルトレーニング機能の相乗効果について検討する。
  論文  参考訳（メタデータ） (2024-03-28T07:08:26Z)
• Enhanced Security and Efficiency in Blockchain with Aggregated Zero-Knowledge Proof Mechanisms [15.034624246970154]
  ブロックチェーンシステムにおけるデータ検証の現在のアプローチは、効率性と計算オーバーヘッドの観点から、課題に直面している。 本研究では,メルクル木構造におけるゼロ知識証明の革新的集約手法を提案する。 我々は,その生成と検証に必要な証明と計算資源を著しく削減するシステムを開発した。
  論文  参考訳（メタデータ） (2024-02-06T09:26:46Z)
• CNN-FL for Biotechnology Industry Empowered by Internet-of-BioNano Things and Digital Twins [22.792474445441037]
  デジタル双生児(DT)は、生物学的資産、微生物、薬物開発プロセス、デジタルヘルス応用の洗練されたデジタル表現を可能にすることによって、バイオテクノロジー産業に革命をもたらしている。 しかし、特にバクテリアのような複雑な物質をモデル化する際のマイクロスケールとナノスケールでのデジタルツインニングは、高度なモノのインターネット(Internet of Things)インフラストラクチャとコンピューティングアプローチを必要とする点で大きな課題を呈している。 バイオナノモノのインターネット(IoBNT)と高度な機械学習技術、特に畳み込みニューラルネットワーク(CNN)とフェデレーション学習(FL)を統合する新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-01-31T23:40:44Z)
• Generative AI-enabled Blockchain Networks: Fundamentals, Applications, and Case Study [73.87110604150315]
  Generative Artificial Intelligence(GAI)は、ブロックチェーン技術の課題に対処するための有望なソリューションとして登場した。 本稿では、まずGAI技術を紹介し、そのアプリケーションの概要を説明し、GAIをブロックチェーンに統合するための既存のソリューションについて議論する。
  論文  参考訳（メタデータ） (2024-01-28T10:46:17Z)
• A Blockchain Solution for Collaborative Machine Learning over IoT [2.4739484546803334]
  フェデレートラーニング(FL)とブロックチェーン技術は、これらの課題に対処するための有望なアプローチとして現れています。 我々は、漸進学習ベクトル量子化アルゴリズム(XuILVQ)とブロックチェーン技術を組み合わせた、新しいIoTソリューションを提案する。 提案アーキテクチャは,データプライバシとセキュリティを維持しながら,計算オーバーヘッドと通信オーバーヘッドを削減することにより,既存のブロックチェーンベースのFLソリューションの欠点に対処する。
  論文  参考訳（メタデータ） (2023-11-23T18:06:05Z)
• Learning Energy-Based Prior Model with Diffusion-Amortized MCMC [89.95629196907082]
  非収束短距離MCMCを用いた事前及び後方サンプリングによる潜時空間EMM学習の一般的な実践は、さらなる進歩を妨げている。 本稿では,MCMCサンプリングのための単純だが効果的な拡散型アモータイズ手法を導入し,それに基づく潜時空間EMMのための新しい学習アルゴリズムを開発した。
  論文  参考訳（メタデータ） (2023-10-05T00:23:34Z)
• Proof of Deep Learning: Approaches, Challenges, and Future Directions [0.0]
  PoDLは、ディープラーニングモデルをトレーニングする過程を、ブロックチェーンに新しいブロックを追加する作業の証明として使用するコンセンサスメカニズムである。 本稿では,多種多様なPoDLアルゴリズム,その利点と欠点,および潜在的な応用について論じる。
  論文  参考訳（メタデータ） (2023-08-31T13:49:04Z)
• BPFISH: Blockchain and Privacy-preserving FL Inspired Smart Healthcare [0.3867363075280543]
  本稿では,医療センター(MC)が患者から収集したデータを用いて地域モデルを訓練し,生データを共有せずにブロックチェーンベースのロバストなフレームワークでマイナーにモデル重みを送信し,プライバシ保護を議論に残す,FLベースのスマートヘルスケアシステムを提案する。 ブロックチェーンベースのフレームワークを基盤とした分散医療データ上で,効率的なモデル学習のためのMCのエネルギー消費とFLプロセス遅延を考慮した損失関数を最大化して最適化問題を定式化する。
  論文  参考訳（メタデータ） (2022-07-24T04:06:28Z)
• An Extension to Basis-Hypervectors for Learning from Circular Data in Hyperdimensional Computing [62.997667081978825]
  超次元計算(Hyperdimensional Computing、HDC)は、高次元ランダム空間の性質に基づく計算フレームワークである。 本稿では, 基本超ベクトル集合について検討し, 一般にHDCへの実践的貢献につながっている。 本稿では,HDCを用いた機械学習において,これまでに扱ったことのない重要な情報である円形データから学習する手法を提案する。
  論文  参考訳（メタデータ） (2022-05-16T18:04:55Z)
• Quantum-resistance in blockchain networks [46.63333997460008]
  本稿では、ブロックチェーンネットワークにおける量子脅威を特定し、排除するために、米国間開発銀行、IDBラボ、LACChain、量子コンピューティング(CQC)、Tecnologicalo de Monterreyによる研究について述べる。 量子コンピューティングの出現は、非量子耐性暗号アルゴリズムを利用するため、インターネットプロトコルやブロックチェーンネットワークを脅かす。
  論文  参考訳（メタデータ） (2021-06-11T23:39:25Z)
• Quantum Multi-Solution Bernoulli Search with Applications to Bitcoin's Post-Quantum Security [67.06003361150228]
  作業の証明(英: proof of work、PoW)は、当事者が計算タスクの解決にいくらかの労力を費やしたことを他人に納得させることができる重要な暗号構造である。 本研究では、量子戦略に対してそのようなPoWの連鎖を見つけることの難しさについて検討する。 我々は、PoWs問題の連鎖が、マルチソリューションBernoulliサーチと呼ばれる問題に還元されることを証明し、量子クエリの複雑さを確立する。
  論文  参考訳（メタデータ） (2020-12-30T18:03:56Z)
• Faster Secure Data Mining via Distributed Homomorphic Encryption [108.77460689459247]
  ホモモルフィック暗号化(HE)は、最近、暗号化されたフィールド上で計算を行う能力により、ますます注目を集めている。 本稿では,スケーリング問題の解決に向けて,新しい分散HEベースのデータマイニングフレームワークを提案する。 各種データマイニングアルゴリズムとベンチマークデータセットを用いて,新しいフレームワークの有効性と有効性を検証する。
  論文  参考訳（メタデータ） (2020-06-17T18:14:30Z)
• Stochastic-based Neural Network hardware acceleration for an efficient ligand-based virtual screening [0.6431253679501663]
  仮想スクリーニングは、治療対象の生物活性を示す可能性が最も高い分子化合物の同定方法を研究する。 大量の小さな有機化合物と、このような大規模なスクリーニングを行う可能性のある数千のターゲットにより、分子データベースのスクリーニングにおける処理速度とエネルギー効率の両方を向上する研究コミュニティへの関心が高まっている。 本研究では,各分子を1つのエネルギーベースベクトルで記述した分類モデルを提案し,ANNを用いた機械学習システムを提案する。
  論文  参考訳（メタデータ） (2020-06-03T20:18:15Z)
• Toward Low-Cost and Stable Blockchain Networks [10.790006312359795]
  ブロックチェーンマイニングリソース割り当てアルゴリズムを提案し,PoWベースの(ワークオブワークベースの)ブロックチェーンネットワークにおけるマイニングコストを削減する。
  論文  参考訳（メタデータ） (2020-02-19T06:42:33Z)
• A Proof of Useful Work for Artificial Intelligence on the Blockchain [0.3599866690398789]
  本稿では,ブロックチェーン上での機械学習モデルのトレーニングに基づく,新たな"有用な作業の保護"(PoUW)プロトコルについて述べる。 マイナーは、正直なMLトレーニングをした後、新しいコインを作る機会を得る。 我々は、有用な仕事を報い、悪意ある俳優を罰する仕組みを概説する。
  論文  参考訳（メタデータ） (2020-01-25T01:10:46Z)

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。