論文の概要: A Collaboration Strategy in the Mining Pool for Proof-of-Neural-Architecture Consensus

• arxiv url: http://arxiv.org/abs/2206.07089v1
• Date: Thu, 5 May 2022 17:08:02 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-14 06:03:25.627284
• Title: A Collaboration Strategy in the Mining Pool for Proof-of-Neural-Architecture Consensus
• Title（参考訳）: ニューラル・アーキテクチャ・コンセンサスにおけるマイニングプールの協調戦略
• Authors: Boyang Li, Qing Lu, Weiwen Jiang, Taeho Jung, Yiyu Shi
• Abstract要約: 一般に普及している暗号通貨システムでは、マイニングプールが重要な役割を担っている。 最近の多くの新しいブロックチェーンコンセンサスにおいて、ディープラーニングトレーニング手順は、マイナーが自身のワークロードを証明するタスクになる。 鉱山労働者のインセンティブはトークンを得ることであるが、個々の鉱山労働者はより競争力を高めるために鉱山プールに参加する動機がある。
• 参考スコア（独自算出の注目度）: 16.372941299296652
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: In most popular public accessible cryptocurrency systems, the mining pool plays a key role because mining cryptocurrency with the mining pool turns the non-profitable situation into profitable for individual miners. In many recent novel blockchain consensuses, the deep learning training procedure becomes the task for miners to prove their workload, thus the computation power of miners will not purely be spent on the hash puzzle. In this way, the hardware and energy will support the blockchain service and deep learning training simultaneously. While the incentive of miners is to earn tokens, individual miners are motivated to join mining pools to become more competitive. In this paper, we are the first to demonstrate a mining pool solution for novel consensuses based on deep learning. The mining pool manager partitions the full searching space into subspaces and all miners are scheduled to collaborate on the Neural Architecture Search (NAS) tasks in the assigned subspace. Experiments demonstrate that the performance of this type of mining pool is more competitive than an individual miner. Due to the uncertainty of miners' behaviors, the mining pool manager checks the standard deviation of the performance of high reward miners and prepares backup miners to ensure the completion of the tasks of high reward miners.
• Abstract（参考訳）: マイニングプールは、マイニングプールでマイニングすることで、利益の出ない状況が個々のマイニング者に利益をもたらすため、マイニングプールが重要な役割を担っている。 最近の多くの新しいブロックチェーンコンセンサスでは、ディープラーニングトレーニング手順がマイナのワークロードを証明するためのタスクとなり、マイナの計算能力はハッシュパズルに純粋に費やされることはない。 このようにして、ハードウェアとエネルギはブロックチェーンサービスとディープラーニングトレーニングを同時にサポートする。 鉱夫のインセンティブはトークンを稼ぐことであるが、個々の鉱夫はより競争力を高めるために鉱業プールに参加する動機がある。 本稿では,深層学習に基づく新たなコンセンサスのためのマイニングプールソリューションを初めて実証する。 ミニングプールマネージャは、全検索スペースをサブスペースに分割し、すべてのマイナは、割り当てられたサブスペース内のneural architecture search (nas)タスクでコラボレーションする。 実験により、このタイプの採掘プールの性能は個々の採掘者よりも競争力があることが示されている。 鉱夫の行動の不確実性のため、鉱業プール管理者は、高報酬鉱夫のパフォーマンスの標準偏差をチェックし、高報酬鉱夫のタスクの完了を確保するためにバックアップ鉱夫を準備します。

関連論文リスト

• Model-based Analysis of Mining Fairness in a Blockchain [2.9281463284266973]
  ブロックチェーンにおけるマイニングフェアネスは、マイニングに投資した計算リソースと、受け取ったブロック報酬の平等を指す。 簡単な数学的モデルを用いてマイニングフェアネスを計算する手法を提案する。 本手法は,少数のマイニング業者のネットワークにおけるマイニングフェアネスを精度良く計算できることを確認した。
  論文  参考訳（メタデータ） (2024-06-02T02:27:28Z)
• Smoothening block rewards: How much should miners pay for mining pools? [11.245119287096419]
  我々は、スムーズな報酬を持つ鉱山労働者の経済的優位性を定量化する。 我々は、鉱夫が鉱業用プールサービスに対して支払うべき報酬の最大割合を定義するためにこれを使用します。
  論文  参考訳（メタデータ） (2023-09-05T14:59:01Z)
• FusionAI: Decentralized Training and Deploying LLMs with Massive Consumer-Level GPUs [57.12856172329322]
  我々は、巨大な未使用のコンシューマレベルのGPUをアンロックする分散システムを構想する。 このシステムは、CPUとGPUメモリの制限、ネットワーク帯域幅の低さ、ピアとデバイスの多様性など、重要な課題に直面している。
  論文  参考訳（メタデータ） (2023-09-03T13:27:56Z)
• Cobalt: Optimizing Mining Rewards in Proof-of-Work Network Games [6.052883613180156]
  マイニング報酬に影響を及ぼす重要な要因は、ピアツーピアネットワークにおけるマイナー間の接続である。 我々は、鉱夫が誰と接続するかを盗賊問題として決定する問題を定式化する。 我々の研究の重要な貢献は、帯域幅アルゴリズム内のネットワーク構造を学習するためにネットワーク座標に基づくモデルを使用することである。
  論文  参考訳（メタデータ） (2023-07-10T16:50:58Z)
• Partial Selfish Mining for More Profits [21.636578888742477]
  マイニング攻撃は、ブロックチェーンマイニングにおける余分な報酬の不正なシェアを獲得することを目的としている。 本稿では,PSM(Partial Selfish Mining)攻撃を新たに提案する。 PSM攻撃者は、一定範囲の採掘力とネットワーク条件下で、利己的な鉱山労働者よりも利益があることを示す。
  論文  参考訳（メタデータ） (2022-07-27T11:58:38Z)
• AdaPool: Exponential Adaptive Pooling for Information-Retaining Downsampling [82.08631594071656]
  畳み込み層は畳み込みニューラルネットワーク(CNN)の重要な構成要素である 適応的で指数関数的に重み付けされたアダプール法を提案する。 adaPoolは画像やビデオの分類やオブジェクト検出など,さまざまなタスクを通じて,ディテールの保存性の向上を実証する。
  論文  参考訳（メタデータ） (2021-11-01T08:50:37Z)
• The MineRL 2020 Competition on Sample Efficient Reinforcement Learning using Human Priors [62.9301667732188]
  我々は,MineRLコンペティションの第2イテレーションを提案する。 競争の主な目標は、人間のデモンストレーションを効率的に活用できるアルゴリズムの開発を促進することです。 コンペティションは、データセットと環境のペアバージョンが複数提供される2ラウンドで構成されている。 各ラウンドの終わりに、競合他社はコンテナ化された学習アルゴリズムをaicrowdプラットフォームに提出する。
  論文  参考訳（メタデータ） (2021-01-26T20:32:30Z)
• 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)
• Equilibrium of Blockchain Miners with Dynamic Asset Allocation [4.030037871304249]
  マイニングビジネスの複合リターンを最大化しようとするブロックチェーンマイニング担当者をモデル化し、分析する。 鉱業コストは、各鉱業者または鉱業プールの平衡におけるシェアを決定する。 複合的なリターンを最大化しようとする鉱夫も鉱業プールも、ハッシュレートの50%以上を占めるための経済的インセンティブは得られないと結論付けている。
  論文  参考訳（メタデータ） (2020-06-14T20:52:31Z)
• Resource Management for Blockchain-enabled Federated Learning: A Deep Reinforcement Learning Approach [54.29213445674221]
  Federated Learning (BFL)は、機械学習モデル所有者(MLMO)が必要とするニューラルネットワークモデルを、モバイルデバイスが協調的にトレーニングすることを可能にする。 BFLの問題は、モバイルデバイスがシステムの寿命とトレーニング効率を低下させるエネルギーとCPUの制約を持っていることである。 我々は,Deep Reinforcement Learning (DRL) を用いて最適決定を導出することを提案する。
  論文  参考訳（メタデータ） (2020-04-08T16:29:19Z)

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。