論文の概要: CrowdAL: Towards a Blockchain-empowered Active Learning System in Crowd Data Labeling

• arxiv url: http://arxiv.org/abs/2503.00066v1
• Date: Thu, 27 Feb 2025 11:13:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-05 19:12:56.966442
• Title: CrowdAL: Towards a Blockchain-empowered Active Learning System in Crowd Data Labeling
• Title（参考訳）: CrowdAL: クラウドデータラベリングにおけるブロックチェーンを活用したアクティブラーニングシステムを目指して
• Authors: Shaojie Hou, Yuandou Wang, Zhiming Zhao,
• Abstract要約: このポスターでは、コンセンサスとプライバシの課題に対処するために設計されたブロックチェーンを活用したクラウドALシステムであるCrowdALを紹介している。 CrowdALは、透明性のためのブロックチェーンと、スマートコントラクトを使用して、クラウドワーカーのパフォーマンスとアグリゲートラベリング結果を評価する、タンパー保護インセンティブメカニズムを統合している。
• 参考スコア（独自算出の注目度）: 0.8849672280563693
• License:
• Abstract: Active Learning (AL) is a machine learning technique where the model selectively queries the most informative data points for labeling by human experts. Integrating AL with crowdsourcing leverages crowd diversity to enhance data labeling but introduces challenges in consensus and privacy. This poster presents CrowdAL, a blockchain-empowered crowd AL system designed to address these challenges. CrowdAL integrates blockchain for transparency and a tamper-proof incentive mechanism, using smart contracts to evaluate crowd workers' performance and aggregate labeling results, and employs zero-knowledge proofs to protect worker privacy.
• Abstract（参考訳）: Active Learning(AL)は、モデルが人間の専門家によるラベル付けのために最も情報性の高いデータポイントを選択的にクエリする機械学習技術である。 ALとクラウドソーシングの統合は、群衆の多様性を活用してデータラベリングを強化すると同時に、コンセンサスとプライバシの課題も導入する。 このポスターは、これらの課題に対処するために設計されたブロックチェーン駆動のクラウドALシステムであるCrowdALを紹介している。 CrowdALは、透明性のためにブロックチェーンを統合し、スマートコントラクトを使用して、群衆労働者のパフォーマンスを評価し、ラベル付け結果を集約し、労働者のプライバシを保護するためにゼロ知識証明を使用する。

関連論文リスト

• Enhancing Web Spam Detection through a Blockchain-Enabled Crowdsourcing Mechanism [0.7303392100830282]
  本稿では,スパム検出システムを強化するための新しいソリューションとして,ブロックチェーンによるインセンティブ付きクラウドソーシングを提案する。 ブロックチェーンの分散された透過的なフレームワークを活用して、データ収集とラベル付けのためのインセンティブメカニズムを作成します。 インセンティブ付きクラウドソーシングによってデータ品質が向上し、スパム検出のための機械学習モデルがより効果的になることを示す。
  論文  参考訳（メタデータ） (2024-10-01T16:53:42Z)
• Machine Learning for Blockchain Data Analysis: Progress and Opportunities [9.07520594836878]
  ブロックチェーンデータセットは、例えば、人間のユーザ、自律的なプログラム、スマートコントラクトなど、現実世界のエンティティ間でのインタラクションの複数のレイヤを含んでいる。 これらのユニークな特徴は、ブロックチェーンデータ上での機械学習の機会と課題の両方を示している。 本稿は、研究者、実践者、政策立案者のための総合的な資源として機能し、このダイナミックで変革的な分野をナビゲートするためのロードマップを提供する。
  論文  参考訳（メタデータ） (2024-04-28T17:18:08Z)
• Enhancing Trust and Privacy in Distributed Networks: A Comprehensive Survey on Blockchain-based Federated Learning [51.13534069758711]
  ブロックチェーンのような分散型アプローチは、複数のエンティティ間でコンセンサスメカニズムを実装することで、魅力的なソリューションを提供する。 フェデレートラーニング(FL)は、参加者がデータのプライバシを保護しながら、協力的にモデルをトレーニングすることを可能にする。 本稿では,ブロックチェーンのセキュリティ機能とFLのプライバシ保護モデルトレーニング機能の相乗効果について検討する。
  論文  参考訳（メタデータ） (2024-03-28T07:08:26Z)
• Generative AI-enabled Blockchain Networks: Fundamentals, Applications, and Case Study [73.87110604150315]
  Generative Artificial Intelligence(GAI)は、ブロックチェーン技術の課題に対処するための有望なソリューションとして登場した。 本稿では、まずGAI技術を紹介し、そのアプリケーションの概要を説明し、GAIをブロックチェーンに統合するための既存のソリューションについて議論する。
  論文  参考訳（メタデータ） (2024-01-28T10:46:17Z)
• Personalized Federated Learning with Attention-based Client Selection [57.71009302168411]
  我々は,意図に基づくクライアント選択機構を備えた新しいPFLアルゴリズムであるFedACSを提案する。 FedACSは、類似したデータ分散を持つクライアント間のコラボレーションを強化するためのアテンションメカニズムを統合している。 CIFAR10とFMNISTの実験は、FedACSの優位性を検証する。
  論文  参考訳（メタデータ） (2023-12-23T03:31:46Z)
• Defending Against Poisoning Attacks in Federated Learning with Blockchain [12.840821573271999]
  ブロックチェーンと分散台帳技術に基づくセキュアで信頼性の高いフェデレーション学習システムを提案する。 本システムでは,オンチェーン型スマートコントラクトを利用したピアツーピア投票機構と報酬アンドスラッシュ機構を組み込んで,悪意ある行動の検出と検出を行う。
  論文  参考訳（メタデータ） (2023-07-02T11:23:33Z)
• Federated Learning using Smart Contracts on Blockchains, based on Reward Driven Approach [0.0]
  スマートコントラクトベースのブロックチェーンが、フェデレートされた学習のための非常に自然なコミュニケーションチャネルであることを示す。 我々は、各エージェントの貢献度をいかに直感的に構築し、トレーニングと報酬プロセスのライフサイクルと統合できるかを示す。
  論文  参考訳（メタデータ） (2021-07-19T12:51:22Z)
• Out-distribution aware Self-training in an Open World Setting [62.19882458285749]
  オープンワールド環境ではラベルのないデータを活用して予測性能をさらに向上します。 注意深いサンプル選択戦略を含む,自己学習を意識したアウト・ディストリビューションを導入する。 当社の分類器は、設計外分布を意識しており、タスク関連の入力と無関係な入力を区別できます。
  論文  参考訳（メタデータ） (2020-12-21T12:25:04Z)
• Social Adaptive Module for Weakly-supervised Group Activity Recognition [143.68241396839062]
  本稿では、弱教師付きグループ活動認識(GAR)と呼ばれる新しいタスクを提案する。 従来のGARタスクとは違い、ビデオレベルラベルのみが利用可能であるが、トレーニングデータにおいても、各フレーム内の重要人物は提供されない。 これにより、大規模なNBAデータセットの収集とアノテートが容易になり、GARに新たな課題が生まれます。
  論文  参考訳（メタデータ） (2020-07-18T16:40:55Z)
• Mining Implicit Entity Preference from User-Item Interaction Data for Knowledge Graph Completion via Adversarial Learning [82.46332224556257]
  本稿では,知識グラフ補完タスクにおけるユーザインタラクションデータを活用することで,新たな逆学習手法を提案する。 我々のジェネレータはユーザインタラクションデータから分離されており、識別器の性能を向上させるのに役立ちます。 利用者の暗黙の実体的嗜好を発見するために,グラフニューラルネットワークに基づく精巧な協調学習アルゴリズムを設計する。
  論文  参考訳（メタデータ） (2020-03-28T05:47:33Z)

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。