Fugu-MT 論文翻訳(概要): A privacy-preserving, distributed and cooperative FCM-based learning approach for Cancer Research

論文の概要: A privacy-preserving, distributed and cooperative FCM-based learning approach for Cancer Research

arxiv url: http://arxiv.org/abs/2402.10102v1
Date: Thu, 15 Feb 2024 16:56:25 GMT
ステータス: 処理完了
システム内更新日: 2024-02-16 14:49:47.318120
Title: A privacy-preserving, distributed and cooperative FCM-based learning approach for Cancer Research
Title（参考訳）: がん研究のためのプライバシー保護・分散・協調型FCM学習アプローチ
Authors: Jose L. Salmeron and Irina Ar\'evalo
Abstract要約: 筆者らは,パーティクルスワーム最適化に基づくファジィ認知マップを,プライバシ保護方式で分散学習するための革新的な方法論を紹介した。この方法は癌検出問題に適用され、フェデレートラーニングプロセスによりモデルの性能が向上することが証明される。
参考スコア（独自算出の注目度）: 1.30536490219656
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Distributed Artificial Intelligence is attracting interest day by day. In this paper, the authors introduce an innovative methodology for distributed learning of Particle Swarm Optimization-based Fuzzy Cognitive Maps in a privacy-preserving way. The authors design a training scheme for collaborative FCM learning that offers data privacy compliant with the current regulation. This method is applied to a cancer detection problem, proving that the performance of the model is improved by the Federated Learning process, and obtaining similar results to the ones that can be found in the literature.
Abstract（参考訳）: 分散人工知能は日々関心を集めている。本稿では,粒子群最適化に基づくファジィ認知マップを,プライバシ保存方式で分散学習するための革新的な手法を提案する。著者らは、現在の規制に準拠したデータのプライバシーを提供する協調的なFCM学習のためのトレーニングスキームを設計する。この方法は、がん検出問題に適用され、連合学習プロセスによってモデルの性能が向上していることが証明され、文献に見られるものと類似の結果が得られる。

関連論文リスト

FedCL-Ensemble Learning: A Framework of Federated Continual Learning with Ensemble Transfer Learning Enhanced for Alzheimer's MRI Classifications while Preserving Privacy [0.0]
本研究は,ResNet,ImageNet,VNetなどの伝達学習モデルを用いて,医用画像データから高次特徴を抽出する。提案モデルは, 患者データを共有することなく, フェデレーション学習を用いて構築された。
論文参考訳（メタデータ） (2024-11-15T13:49:22Z)
Blind Federated Learning without initial model [1.104960878651584]
フェデレートラーニング(Federated Learning)は、独自のプライベートデータを持つ複数の参加者間のモデル構築を可能にする、新たな機械学習アプローチである。この方法はセキュアでプライバシ保護であり、病院などの異なるソースからの機密データを使用して機械学習モデルをトレーニングするのに適している。
論文参考訳（メタデータ） (2024-04-24T20:10:10Z)
Improved off-policy training of diffusion samplers [93.66433483772055]
本研究では,非正規化密度やエネルギー関数を持つ分布からサンプルを抽出する拡散モデルの訓練問題について検討する。シミュレーションに基づく変分法や非政治手法など,拡散構造推論手法のベンチマークを行った。我々の結果は、過去の研究の主張に疑問を投げかけながら、既存のアルゴリズムの相対的な利点を浮き彫りにした。
論文参考訳（メタデータ） (2024-02-07T18:51:49Z)
Learning Successor Features with Distributed Hebbian Temporal Memory [44.99833362998488]
本稿では,不確実性を考慮した意思決定におけるオンライン時間記憶学習の課題に対して,新しいアプローチを提案する。提案アルゴリズムは因子グラフ形式と多成分ニューロンモデルに基づく分散Hebbian Temporal Memory (DHTM) である。実験の結果,非定常データセットの場合,DHTMはLSTMと生物学的にインスパイアされたHMMライクなアルゴリズムCSCGより優れていた。
論文参考訳（メタデータ） (2023-10-20T10:03:14Z)
Reinforcement Learning Based Multi-modal Feature Fusion Network for Novel Class Discovery [47.28191501836041]
本稿では,人間の認知過程をシミュレートするために強化学習フレームワークを用いる。また,マルチモーダル情報から特徴を抽出・融合するマルチエージェントフレームワークをデプロイした。我々は、OS-MN40、OS-MN40-Miss、Cifar10データセットを用いて、3Dドメインと2Dドメインの両方でのアプローチの性能を示す。
論文参考訳（メタデータ） (2023-08-26T07:55:32Z)
Reinforcement Federated Learning Method Based on Adaptive OPTICS Clustering [19.73560248813166]
本稿では,フェデレート学習のための適応型OPTICSクラスタリングアルゴリズムを提案する。クラスタリング環境をMarkov決定プロセスとして認識することで、OPTICSクラスタの最良のパラメータを見つけることがゴールです。本手法の信頼性と実用性は, 実験データから検証され, 有効性と優越性が確認された。
論文参考訳（メタデータ） (2023-06-22T13:11:19Z)
Less is More: Mitigate Spurious Correlations for Open-Domain Dialogue Response Generation Models by Causal Discovery [52.95935278819512]
本研究で得られたCGDIALOGコーパスに基づくオープンドメイン応答生成モデルのスプリアス相関に関する最初の研究を行った。因果探索アルゴリズムに着想を得て,反応生成モデルの学習と推論のための新しいモデル非依存手法を提案する。
論文参考訳（メタデータ） (2023-03-02T06:33:48Z)
Efficient training of lightweight neural networks using Online Self-Acquired Knowledge Distillation [51.66271681532262]
オンライン自己獲得知識蒸留(OSAKD)は、ディープニューラルネットワークの性能をオンライン的に向上することを目的としている。出力特徴空間におけるデータサンプルの未知確率分布を推定するために、k-nnノンパラメトリック密度推定手法を用いる。
論文参考訳（メタデータ） (2021-08-26T14:01:04Z)
DEALIO: Data-Efficient Adversarial Learning for Imitation from Observation [57.358212277226315]
観察ifoからの模倣学習において、学習エージェントは、実演者の生成した制御信号にアクセスせずに、実演行動の観察のみを用いて実演エージェントを模倣しようとする。近年、逆模倣学習に基づく手法は、ifO問題に対する最先端のパフォーマンスをもたらすが、データ非効率でモデルなしの強化学習アルゴリズムに依存するため、サンプルの複雑さに悩まされることが多い。この問題は、サンプルの収集が時間、エネルギー、およびリスクの面で高いコストを被る可能性がある現実世界の設定に展開することは非現実的です。よりデータ効率の高いifOアルゴリズムを提案する。
論文参考訳（メタデータ） (2021-03-31T23:46:32Z)
Evolutionary Algorithms for Fuzzy Cognitive Maps [0.0]
ファジィ認知マップ(FCMs)は、近年人気が高まっている複雑なシステムモデリング手法である。本研究では、FCMの訓練に用いられる遺伝的アルゴリズムをレビューするとともに、FCM学習アルゴリズムの概要を概観する。
論文参考訳（メタデータ） (2020-12-19T15:17:01Z)
Siloed Federated Learning for Multi-Centric Histopathology Datasets [0.17842332554022694]
本稿では,医学領域における深層学習アーキテクチャのための新しいフェデレーション学習手法を提案する。局所統計バッチ正規化(BN)層が導入され、協調的に訓練されるが中心に固有のモデルが作られる。本研究では,Camelyon16およびCamelyon17データセットから抽出した腫瘍組織像の分類法についてベンチマークを行った。
論文参考訳（メタデータ） (2020-08-17T15:49:30Z)

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。