論文の概要: A privacy-preserving distributed credible evidence fusion algorithm for collective decision-making

• arxiv url: http://arxiv.org/abs/2412.02130v1
• Date: Tue, 03 Dec 2024 03:36:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-04 15:46:20.566670
• Title: A privacy-preserving distributed credible evidence fusion algorithm for collective decision-making
• Title（参考訳）: 集団意思決定のためのプライバシ保存型分散信頼性エビデンス融合アルゴリズム
• Authors: Chaoxiong Ma, Yan Liang, Xinyu Yang, Han Wu, Huixia Zhang,
• Abstract要約: 本稿では,3レベルコンセンサス(PCEF)を用いたプライバシ保存型分散信頼性エビデンス融合法を提案する。 シミュレーションの結果,PCEF は信頼性と融合性の両方において CCEF に近づき,既存の手法よりも少ない時間消費で高い判定精度が得られることがわかった。
• 参考スコア（独自算出の注目度）: 16.67762257337951
• License:
• Abstract: The theory of evidence reasoning has been applied to collective decision-making in recent years. However, existing distributed evidence fusion methods lead to participants' preference leakage and fusion failures as they directly exchange raw evidence and do not assess evidence credibility like centralized credible evidence fusion (CCEF) does. To do so, a privacy-preserving distributed credible evidence fusion method with three-level consensus (PCEF) is proposed in this paper. In evidence difference measure (EDM) neighbor consensus, an evidence-free equivalent expression of EDM among neighbored agents is derived with the shared dot product protocol for pignistic probability and the identical judgment of two events with maximal subjective probabilities, so that evidence privacy is guaranteed due to such irreversible evidence transformation. In EDM network consensus, the non-neighbored EDMs are inferred and neighbored EDMs reach uniformity via interaction between linear average consensus (LAC) and low-rank matrix completion with rank adaptation to guarantee EDM consensus convergence and no solution of inferring raw evidence in numerical iteration style. In fusion network consensus, a privacy-preserving LAC with a self-cancelling differential privacy term is proposed, where each agent adds its randomness to the sharing content and step-by-step cancels such randomness in consensus iterations. Besides, the sufficient condition of the convergence to the CCEF is explored, and it is proven that raw evidence is impossibly inferred in such an iterative consensus. The simulations show that PCEF is close to CCEF both in credibility and fusion results and obtains higher decision accuracy with less time-comsuming than existing methods.
• Abstract（参考訳）: 証拠推論の理論は近年,集団意思決定に応用されている。 しかし、既存の分散エビデンス融合法は、生のエビデンスを直接交換し、中央集権的なエビデンス融合(CCEF)のようなエビデンスを評価できないため、参加者の好みの漏れや融合失敗につながる。 そこで本論文では,3レベルコンセンサス(PCEF)を用いたプライバシ保護型分散信頼性エビデンス融合法を提案する。 証拠差分尺度(EDM)近傍のコンセンサスでは、近隣エージェント間でのエビデンスフリー同値表現は、オピニティ確率の共有ドット積プロトコルと、最大主観確率の2つの事象の同一判定により導出され、このような不可逆的なエビデンス変換によりエビデンスプライバシが保証される。 EDMネットワークのコンセンサスでは、非隣り合うEDMは推論され、線形平均コンセンサス(LAC)とランク適応による低ランク行列補完との相互作用により一様となる。 融合ネットワークコンセンサスでは、自己完結型差分プライバシー項を持つプライバシ保存RACが提案され、各エージェントがそのランダム性を共有コンテンツに追加し、そのランダム性をコンセンサス反復で段階的にキャンセルする。 さらに、CCEFへの収束の十分な条件を探求し、そのような反復的なコンセンサスにおいて、生の証拠が不可能に推測されることが証明された。 シミュレーションの結果,PCEF は信頼性と融合性の両方において CCEF に近づき,既存の手法よりも少ない時間消費で高い判定精度が得られることがわかった。

関連論文リスト

• Credible fusion of evidence in distributed system subject to cyberattacks [2.5539863252714636]
  本稿では,サイバー攻撃に対する信頼性のある証拠融合のためのアルゴリズムを提案する。 我々は、証拠融合の3つの要件、すなわち、証拠のプライバシーを保護し、攻撃者を識別し、証拠を除外することに焦点を当てる。 通常のノードの状態はWAVCCMEに収束することが示され、攻撃者の証拠は融合から除外される。
  論文  参考訳（メタデータ） (2024-11-29T13:46:04Z)
• Rectified Diffusion Guidance for Conditional Generation [62.00207951161297]
  CFGの背後にある理論を再検討し、組合せ係数の不適切な構成(すなわち、広く使われている和対1バージョン)が生成分布の期待シフトをもたらすことを厳密に確認する。 本稿では,誘導係数を緩和したReCFGを提案する。 このようにして、修正された係数は観測されたデータをトラバースすることで容易に事前計算でき、サンプリング速度はほとんど影響を受けない。
  論文  参考訳（メタデータ） (2024-10-24T13:41:32Z)
• Inter Observer Variability Assessment through Ordered Weighted Belief Divergence Measure in MAGDM Application to the Ensemble Classifier Feature Fusion [1.3586572110652486]
  コンセンサス結果を得るために,多属性グループ意思決定(MAGDM)が広く導入されている。 本研究では,観測間の変動を評価し,不確実性に対処するEvidential MAGDM法を提案する。
  論文  参考訳（メタデータ） (2024-09-13T00:53:00Z)
• Evidential Deep Partial Multi-View Classification With Discount Fusion [24.139495744683128]
  Evidential Deep partial Multi-View Classification (EDP-MVC) と呼ばれる新しいフレームワークを提案する。 欠落したビューに対処するためにK-means命令を使用し、マルチビューデータの完全なセットを作成します。 この暗示されたデータ内の潜在的な衝突や不確実性は、下流の推論の信頼性に影響を与える可能性がある。
  論文  参考訳（メタデータ） (2024-08-23T14:50:49Z)
• Decentralized Smoothing ADMM for Quantile Regression with Non-Convex Sparse Penalties [3.269165283595478]
  急速に進化するIoT(Internet-of-Things)エコシステムでは、センサによって生成された分散データを扱う上で、効果的なデータ分析技術が不可欠である。 下位段階のコンセンサスアプローチのような既存の手法の限界に対処することは、アクティブ係数と非アクティブ係数の区別に失敗する。
  論文  参考訳（メタデータ） (2024-08-02T15:00:04Z)
• Efficient Conformal Prediction under Data Heterogeneity [79.35418041861327]
  コンフォーマル予測(CP)は不確実性定量化のための頑健な枠組みである。 非交換性に対処するための既存のアプローチは、最も単純な例を超えて計算不可能なメソッドにつながる。 この研究は、比較的一般的な非交換可能なデータ分布に対して証明可能な信頼セットを生成する、CPに新しい効率的なアプローチを導入する。
  論文  参考訳（メタデータ） (2023-12-25T20:02:51Z)
• ELFNet: Evidential Local-global Fusion for Stereo Matching [17.675146012208124]
  ステレオマッチングのためのtextbfEvidential textbfLocal-global textbfFusion (ELF) フレームワークを提案する。 不確実性推定と信頼に値する頭部との信頼を意識した融合の両方を付与する。
  論文  参考訳（メタデータ） (2023-08-01T15:51:04Z)
• Conformal Prediction for Federated Uncertainty Quantification Under Label Shift [57.54977668978613]
  Federated Learning(FL)は、多くのクライアントが協力してモデルをトレーニングする機械学習フレームワークである。 我々は、量子回帰に基づく新しいコンフォメーション予測法を開発し、プライバシー制約を考慮した。
  論文  参考訳（メタデータ） (2023-06-08T11:54:58Z)
• Federated Conformal Predictors for Distributed Uncertainty Quantification [83.50609351513886]
  コンフォーマル予測は、機械学習において厳密な不確実性定量化を提供するための一般的なパラダイムとして現れつつある。 本稿では,共形予測を連邦学習環境に拡張する。 本稿では、FL設定に適した部分交換可能性の弱い概念を提案し、それをフェデレート・コンフォーマル予測フレームワークの開発に利用する。
  論文  参考訳（メタデータ） (2023-05-27T19:57:27Z)
• Targeted Separation and Convergence with Kernel Discrepancies [61.973643031360254]
  カーネルベースの不一致測度は、(i)ターゲットPを他の確率測度から分離するか、(ii)Pへの弱収束を制御する必要がある。 本稿では, (i) と (ii) を保証するのに十分な,必要な新しい条件を導出する。 可分距離空間上のMDDに対して、ボヒナー埋め込み可測度を分離するカーネルを特徴づけ、すべての測度を非有界カーネルと分離するための単純な条件を導入する。
  論文  参考訳（メタデータ） (2022-09-26T16:41:16Z)
• Trustworthy Multimodal Regression with Mixture of Normal-inverse Gamma Distributions [91.63716984911278]
  このアルゴリズムは、異なるモードの適応的統合の原理における不確かさを効率的に推定し、信頼できる回帰結果を生成する。 実世界のデータと実世界のデータの両方に対する実験結果から,多モード回帰タスクにおける本手法の有効性と信頼性が示された。
  論文  参考訳（メタデータ） (2021-11-11T14:28:12Z)

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。