Fugu-MT 論文翻訳(概要): Robust Online and Distributed Mean Estimation Under Adversarial Data Corruption

論文の概要: Robust Online and Distributed Mean Estimation Under Adversarial Data Corruption

arxiv url: http://arxiv.org/abs/2209.09624v1
Date: Sat, 17 Sep 2022 16:36:21 GMT
ステータス: 処理完了
システム内更新日: 2022-09-21 19:50:52.395826
Title: Robust Online and Distributed Mean Estimation Under Adversarial Data Corruption
Title（参考訳）: 逆データ崩壊時のロバストオンラインおよび分散平均推定
Authors: Tong Yao and Shreyas Sundaram
Abstract要約: 我々は,敵対的データアタックの存在下でのオンラインおよび分散シナリオにおけるロバスト平均推定について検討した。アルゴリズムに真の平均を組み込むために,推定値の誤差バウンドと収束特性を提供する。
参考スコア（独自算出の注目度）: 1.9199742103141069
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We study robust mean estimation in an online and distributed scenario in the presence of adversarial data attacks. At each time step, each agent in a network receives a potentially corrupted data point, where the data points were originally independent and identically distributed samples of a random variable. We propose online and distributed algorithms for all agents to asymptotically estimate the mean. We provide the error-bound and the convergence properties of the estimates to the true mean under our algorithms. Based on the network topology, we further evaluate each agent's trade-off in convergence rate between incorporating data from neighbors and learning with only local observations.
Abstract（参考訳）: 我々は,敵対的データアタックの存在下でのオンラインおよび分散シナリオにおけるロバスト平均推定について検討した。それぞれの時間ステップで、ネットワーク内の各エージェントは潜在的に破損したデータポイントを受け取り、データポイントはもともと独立であり、ランダム変数の同じ分散サンプルである。我々は,平均を漸近的に推定するオンラインおよび分散アルゴリズムを提案する。我々は,誤差バウンドと推定値の収束特性をアルゴリズムの真平均に与える。ネットワークトポロジーに基づいて,各エージェントのコンバージェンス率のトレードオフを,近隣からのデータを取り込むことと,局所的な観察だけで学習することとでさらに評価する。

関連論文リスト

Differentially-Private Collaborative Online Personalized Mean Estimation [22.399703712241546]
プライバシー制約下での協調的パーソナライズされた平均推定の問題を考える。 2つのプライバシ機構と2つのデータ分散推定方式を提案する。コラボレーションが完全に局所的なアプローチよりも早く収束することを示します。
論文参考訳（メタデータ） (2024-11-11T16:14:56Z)
ROSS:RObust decentralized Stochastic learning based on Shapley values [21.376454436691795]
エージェントのグループは、中央サーバーなしで分散データセットを使用してグローバルモデルを学ぶために協力します。データは非独立に、同一に配布され、ノイズや毒で汚染されることもある。本稿では,Shapley値に基づく頑健な分散学習アルゴリズム ROSS を提案する。
論文参考訳（メタデータ） (2024-11-01T05:05:15Z)
Stratified Prediction-Powered Inference for Hybrid Language Model Evaluation [62.2436697657307]
予測駆動推論(英: Prediction-powered Inference, PPI)は、人間ラベル付き限られたデータに基づいて統計的推定を改善する手法である。我々はStratPPI(Stratified Prediction-Powered Inference)という手法を提案する。単純なデータ階層化戦略を用いることで,基礎的なPPI推定精度を大幅に向上できることを示す。
論文参考訳（メタデータ） (2024-06-06T17:37:39Z)
Collaborative Heterogeneous Causal Inference Beyond Meta-analysis [68.4474531911361]
異種データを用いた因果推論のための協調的逆確率スコア推定器を提案する。異質性の増加に伴うメタアナリシスに基づく手法に対して,本手法は有意な改善を示した。
論文参考訳（メタデータ） (2024-04-24T09:04:36Z)
Distributed Bayesian Estimation in Sensor Networks: Consensus on Marginal Densities [15.038649101409804]
連続変数上の確率分布の関数空間において、確率的確率的アルゴリズムを導出する。これらの結果を利用して、個々のエージェントが観測する変数のサブセットに制限された新しい分散推定器を得る。これは、協調的なローカライゼーションやフェデレートドラーニングのような応用に関係しており、任意のエージェントで収集されたデータは、関心のあるすべての変数のサブセットに依存する。
論文参考訳（メタデータ） (2023-12-02T21:10:06Z)
Robust Online Covariance and Sparse Precision Estimation Under Arbitrary Data Corruption [1.5850859526672516]
本稿では,オンラインシナリオにおける共分散を頑健に推定する改良型トリミング・インナー・プロデューサアルゴリズムを提案する。推定値の誤差バウンドおよび収束特性を,アルゴリズムの真精度行列に与える。
論文参考訳（メタデータ） (2023-09-16T05:37:28Z)
Probabilistic Matching of Real and Generated Data Statistics in Generative Adversarial Networks [0.6906005491572401]
本稿では,あるデータ統計量の分布が実データの分布と一致することを確実にする手法を提案する。提案手法を合成データセットと実世界のデータセットで評価し,提案手法の性能向上を実証した。
論文参考訳（メタデータ） (2023-06-19T14:03:27Z)
Leveraging Unlabeled Data to Predict Out-of-Distribution Performance [63.740181251997306]
実世界の機械学習デプロイメントは、ソース(トレーニング)とターゲット(テスト)ディストリビューションのミスマッチによって特徴づけられる。本研究では,ラベル付きソースデータとラベルなしターゲットデータのみを用いて,対象領域の精度を予測する手法を検討する。本稿では,モデルの信頼度をしきい値として学習し,精度をラベルなし例のごく一部として予測する実践的手法である平均閾値保持信頼度(ATC)を提案する。
論文参考訳（メタデータ） (2022-01-11T23:01:12Z)
Decentralized Local Stochastic Extra-Gradient for Variational Inequalities [125.62877849447729]
我々は、不均一(非IID)で多くのデバイスに分散する問題データを持つ領域上での分散変分不等式(VIs)を考察する。我々は、完全に分散化された計算の設定を網羅する計算ネットワークについて、非常に一般的な仮定を行う。理論的には, モノトン, モノトンおよび非モノトンセッティングにおける収束速度を理論的に解析する。
論文参考訳（メタデータ） (2021-06-15T17:45:51Z)
Learning while Respecting Privacy and Robustness to Distributional Uncertainties and Adversarial Data [66.78671826743884]
分散ロバストな最適化フレームワークはパラメトリックモデルのトレーニングのために検討されている。目的は、逆操作された入力データに対して頑健なトレーニングモデルを提供することである。提案されたアルゴリズムは、オーバーヘッドがほとんどない堅牢性を提供する。
論文参考訳（メタデータ） (2020-07-07T18:25:25Z)
Unlabelled Data Improves Bayesian Uncertainty Calibration under Covariate Shift [100.52588638477862]
後続正則化に基づく近似ベイズ推定法を開発した。前立腺癌の予後モデルを世界規模で導入する上で,本手法の有用性を実証する。
論文参考訳（メタデータ） (2020-06-26T13:50:19Z)

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。