通过量子函数估计进行分布式学习的变量自编码器
Seunghwan An1, Sungchul Hong2, Jong-June Jeon3
1Department of Information and Telecommunication Engineering, Incheon National University 119 Academy-ro Yeonsu-gu, Incheon, 22012, South Korea.
本研究引入了一种新的变量自编码器 (VAE) 方法,用于改进分布式学习,有效估计平滑和非平滑数据密度的量子函数,同时确保合成数据生成中的差异隐私.
科学领域:
- 机器学习 机器学习
- 统计建模 统计建模
- 数据 隐私 数据 隐私 数据
背景情况:
- 高斯变量自动编码器 (VAE) 为概率分布估计提供计算效率.
- 然而,高斯式VAE在接近非光滑密度方面遇到了困难.
- 准确的分布式学习对于各种数据分析任务至关重要.
研究的目的:
- 开发一种基于VAE的分布式学习方法,可以处理光滑和非光滑密度.
- 为了扩展VAE,以准确估计量子函数.
- 通过使用VAEs来实现保护隐私的合成数据生成.
主要方法:
- 使用连续排列概率得分 (CRPS) 作为重建损失.
- 将该方法定义为量子函数的非参数M估计器.
- 建立了VAE模型和量子值估计之间的理论联系.
主要成果:
- 拟议的方法有效地估计了不同数据密度的量子函数.
- 重建损失被证明是对不对称拉普拉斯分布的无限混合的下限.
- 合成数据生成机制本质上支持差异隐私.
结论:
- 新的VAE方法克服了高斯的VAE对于非光滑密度的局限性.
- 该方法为分布式学习和量子值估计提供了一个强大的框架.
- 这种方法为合成数据生成提供了可调节的差异隐私.
更多相关视频
09:23Quantification of Information Encoded by Gene Expression Levels During Lifespan Modulation Under Broad-range Dietary Restriction in C. elegans
Published on: August 16, 2017
06:09Author Spotlight: Advancing Hepatic Fibrosis Diagnosis Using Magnetic Resonance Elastography and AI
Published on: July 21, 2023
相关概念视频
Distributions to Estimate Population Parameter
Sampling Distribution
Probability Distributions
A discrete probability distribution is a probability distribution of discrete random variables. It can be categorized into binomial probability distribution and Poisson...
Uniform Distribution
Two essential properties of this distribution are
Extraction: Partition and Distribution Coefficients
For extracting a solute from an aqueous phase into an...
Choosing Between z and t Distribution
