論文の概要: Privacy protection and service evaluation methods for location-based
services in edge computing environments
- arxiv url: http://arxiv.org/abs/2212.03417v1
- Date: Wed, 7 Dec 2022 03:04:48 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-19 12:53:22.883858
- Title: Privacy protection and service evaluation methods for location-based
services in edge computing environments
- Title（参考訳）: エッジコンピューティング環境における位置情報サービスに対するプライバシー保護とサービス評価手法
- Authors: Shuang Liu
- Abstract要約: 本稿では,エッジコンピューティング環境に基づく位置情報サービスのプライバシ保護と評価手法を提案する。
IPEが推奨する研究に基づいて,NPE評価モデルとPOE評価モデルを設計する。
- 参考スコア（独自算出の注目度）: 3.6085483182897593
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper proposes a privacy protection and evaluation method for location
services based on edge computing environment. By constructing the site service
data protection and system evaluation system in the edge computing environment,
based on the existing user privacy protection work, the data processing module
and service evaluation module are constructed, and the evaluation algorithm is
designed. NPE evaluation model and POE evaluation model are designed according
to relevant research recommended by IPE. Specifically, in the NPE evaluation
model, we regard each user's decision as a group of factors, and propose a
method to integrate learning factors. In the poe evaluation model, users'
hidden intentions for the next action are understood by unifying metadata
information, two time contexts and other different factors. The experiment
verifies the effectiveness and feasibility of this method.
- Abstract（参考訳）: 本稿では,エッジコンピューティング環境に基づく位置情報サービスのプライバシー保護と評価手法を提案する。
エッジコンピューティング環境において、既存のユーザのプライバシー保護作業に基づいて、サイトサービスデータ保護及びシステム評価システムを構築することにより、データ処理モジュール及びサービス評価モジュールを構築し、評価アルゴリズムを設計する。
IPEが推奨する研究に基づいて,NPE評価モデルとPOE評価モデルを設計する。
具体的には,npe評価モデルにおいて,各ユーザの意思決定を要因群として考慮し,学習要素を統合する手法を提案する。
ポー評価モデルでは,メタデータ情報,2つの時間コンテキスト,その他の異なる要因を統一することにより,次のアクションに対するユーザの隠れ意図を理解する。
実験は、この方法の有効性と実現可能性を検証する。
関連論文リスト
- Automated Off-Policy Estimator Selection via Supervised Learning [7.476028372444458]
オフ・ポリティ・アセスメント(OPE)問題(Off-Policy Evaluation)は、相手が収集したデータを用いて、対実的なポリシーの性能を評価することである。
OPEの問題を解決するために,我々は,ロギングポリシに代えて配置された場合の対策策が持つパフォーマンスを,最も正確な方法で推定することを目的とした推定器を利用する。
教師付き学習に基づく自動データ駆動型OPE推定器選択法を提案する。
論文 参考訳（メタデータ） (2024-06-26T02:34:48Z) - OPERA: Automatic Offline Policy Evaluation with Re-weighted Aggregates of Multiple Estimators [13.408838970377035]
オフライン政策評価(OPE)により、新たなシーケンシャルな意思決定方針のパフォーマンスを評価し、見積もることができる。
統計的手法を用いた明示的な選択に頼ることなく,データセットに与えられたOPE推定器の集合を適応的にブレンドするアルゴリズムを提案する。
我々の研究は、オフラインRLのための汎用的、推定対象に依存しない、非政治評価フレームワークの使いやすさの向上に寄与する。
論文 参考訳（メタデータ） (2024-05-27T23:51:20Z) - Backdoor-based Explainable AI Benchmark for High Fidelity Evaluation of Attribution Methods [49.62131719441252]
属性法は入力特徴の重要度を計算し、深層モデルの出力予測を説明する。
本研究はまず,属性手法の信頼性ベンチマークが満たすであろう信頼度基準の集合を同定する。
次に、望ましい忠実度基準に準拠したBackdoorベースのeXplainable AIベンチマーク(BackX)を紹介します。
論文 参考訳（メタデータ） (2024-05-02T13:48:37Z) - When is Off-Policy Evaluation (Reward Modeling) Useful in Contextual Bandits? A Data-Centric Perspective [64.73162159837956]
ログ化されたデータセットだけで仮説的ターゲットポリシーの価値を評価することは重要だが、難しい。
データ中心のフレームワークであるDataCOPEを提案する。
医療データセットを用いたログ化された文脈的帯域設定におけるDataCOPEの実証分析により、機械学習と人間の専門家ポリシーの両方を評価する能力が確認された。
論文 参考訳（メタデータ） (2023-11-23T17:13:37Z) - Sample Complexity of Preference-Based Nonparametric Off-Policy
Evaluation with Deep Networks [58.469818546042696]
我々は、OPEのサンプル効率を人間の好みで研究し、その統計的保証を確立する。
ReLUネットワークのサイズを適切に選択することにより、マルコフ決定過程において任意の低次元多様体構造を活用できることが示される。
論文 参考訳（メタデータ） (2023-10-16T16:27:06Z) - Proximal Reinforcement Learning: Efficient Off-Policy Evaluation in
Partially Observed Markov Decision Processes [65.91730154730905]
医療や教育などの観察データへのオフライン強化学習の適用においては、観察された行動は観測されていない要因に影響される可能性があるという一般的な懸念がある。
ここでは、部分的に観察されたマルコフ決定過程(POMDP)における非政治評価を考慮し、この問題に取り組む。
我々は、近位因果推論の枠組みをPOMDP設定に拡張し、識別が可能となる様々な設定を提供する。
論文 参考訳（メタデータ） (2021-10-28T17:46:14Z) - Evaluating the Robustness of Off-Policy Evaluation [10.760026478889664]
Off-policy Evaluation (OPE)は、オフラインログデータのみを活用する仮説的ポリシーの性能を評価する。
オンラインインタラクションが高利得と高価な設定を含むアプリケーションでは特に有用である。
我々は,OPE推定器のロバスト性を評価する実験手法であるIEOE(Interpretable Evaluation for Offline Evaluation)を開発した。
論文 参考訳（メタデータ） (2021-08-31T09:33:13Z) - Bootstrapping Statistical Inference for Off-Policy Evaluation [43.79456564713911]
オフ政治評価(OPE)におけるブートストラップの利用について検討する。
本稿では,政策評価誤差の分布を推定するブートストラップFQE法を提案し,この手法が政治外の統計的推測に有効で一貫性があることを示す。
我々は,古典的RL環境におけるブートラッピング手法の評価を行い,信頼区間推定,オフポリチック評価器のばらつきの推定,複数オフポリチック評価器の相関性の推定を行った。
論文 参考訳（メタデータ） (2021-02-06T16:45:33Z) - Kalman meets Bellman: Improving Policy Evaluation through Value Tracking [59.691919635037216]
政策評価は強化学習(RL)における重要なプロセスである
我々はKalman Optimization for Value Approximation (KOVA)と呼ばれる最適化手法を考案した。
KOVAはパラメータとノイズリターンの不確実性の両方に関する正規化対象関数を最小化する。
論文 参考訳（メタデータ） (2020-02-17T13:30:43Z) - Interpretable Off-Policy Evaluation in Reinforcement Learning by
Highlighting Influential Transitions [48.91284724066349]
強化学習におけるオフ政治評価は、医療や教育などの領域における将来の成果を改善するために観察データを使用する機会を提供する。
信頼区間のような従来の尺度は、ノイズ、限られたデータ、不確実性のために不十分である可能性がある。
我々は,人間専門家が政策評価評価評価の妥当性を分析できるように,ハイブリッドAIシステムとして機能する手法を開発した。
論文 参考訳（メタデータ） (2020-02-10T00:26:43Z)
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。