1. ペアリングベースの 効率的なレベル2準同型暗号 SCIS 2018 Nuttapong Attrapadung*1, 花岡 悟一郎*1, ○光成 滋生*2, 坂井 祐介*1, 清水 佳奈*3, 照屋 唯紀*1 *1 産総研, *2サイボウズ・ラボ, *3 早稲田大学 本研究の一部はJST CREST JPMJCR1688 の支援を受けている 3. • 準同型暗号は暗号文から別の暗号文を計算できる • 秘匿計算、クラウドへの移譲など応用範囲は広い • 準同型暗号の種類 • 加法準同型(ex. 岡本・内山, Paillier, Lifted-ElGamal) • 𝐸𝑛𝑐 𝑚 + 𝐸𝑛𝑐 𝑚′ = 𝐸𝑛𝑐 𝑚 + 𝑚′ • 乗法準同型(ex. RSA, ElGamal) • 𝐸𝑛𝑐 𝑚 × 𝐸𝑛𝑐 𝑚′ = 𝐸𝑛𝑐 𝑚𝑚′ • 完全準同型
1. DEEP LEARNING JP [DL Papers] 相互情報量最大化による表現学習 Yusuke Iwasawa, Matsuo Lab http://deeplearning.jp/ 2. 相互情報量関連論文(前々回の輪読で話したやつ) • “Learning deep representations by mutual information estimation and maximization” (ICLR2019) • “Mutual Information Neural Estimates” (ICML2018) • “Representation Learning with Contrastive Predictive Coding” (NIPS2018) • “On variational lower bounds of mutual information”
2. レトリバセミナー • 毎週水曜日の12時〜13時で実施 • テーマは自由(技術的とは限らない) • 但し、必ず公開できる内容にして必ずオープンにする • Youtubeで公開し保存 • https://www.youtube.com/channel/UC5mjAq3PgaWhwcRyun7gteQ • 是非チャンネル登録して下さい!! © 2017 Retrieva, Inc. 2
IBIS 2021 https://ibisml.org/ibis2021/ における最適輸送についてのチュートリアルスライドです。 『最適輸送の理論とアルゴリズム』好評発売中! https://www.amazon.co.jp/dp/4065305144 Speakerdeck にもアップロードしました: https://speakerdeck.com/joisino/zui-shi-shu-song-ru-menRead less
3. 重要な参考文献 1. Peyré, Cuturi “Computational Optimal Transport”, Foundations and Trends in Machine Learning 2019 • 最適輸送のアルゴリズムに関する非常に明快なサーベイ論文 (引用元を書いていない図はこの論文から) • 今日の目標は、この論文後の理論の発展をざっくり追うこと 2. Cuturi “Sinkhorn Distances: Lightspeed Computation of Optimal Transport”, NIPS 2013 • 正則化付きOTを考案し近似解の軽量・高速な計算を実現した記念碑的論文 3 4. 記号の準備 • 𝒳, 𝑑 : 距離空間 (ユークリッド空間 𝒳 = ℝ 𝑑 , 𝑑 𝑥, 𝑦 = | 𝑥 − 𝑦 | と思ってよい) •
[DL輪読会]Revisiting Deep Learning Models for Tabular Data (NeurIPS 2021) 表形式デー...Deep Learning JP
1. ELBO型VAEのダメなところ 機械学習ゼミ @UMU____ 参考にした論文:Zhao, Shengjia, Jiaming Song, and Stefano Ermon. "Infovae: Information maximizing variational autoencoders." arXiv preprint arXiv:1706.02262 (2017). 2. [pre]VAEとは何がしたいのか • データ𝐷 = (𝑋 𝑖 , 𝑖 = 1, … , 𝑁)があります. • 𝐷から生成モデル(generative model)を作りたい. →生成モデルとは: 𝑋の母集団の確率分布𝑝 𝑅 𝑋 のこと. または,𝑝 𝑅 𝑋 からサンプリングできる装置のこと. • (有限の)𝐷からどうやって作るか→尤度最大化! • 尤度最大化とは: 𝜃でパラメ
1. Mobility Technologies Co., Ltd. Teslaにおけるコンピュータビジョン技術の調査 (2) - Tesla AI Day 2022 - 2022/11/24 Mobility Technologies 宮澤 一之 2. Confidential Mobility Technologies Co., Ltd. 2 自己紹介 宮澤 一之 株式会社Mobility Technologies AI技術開発部 AI研究開発第二グループ グループリーダー 経歴 April 2019 - March 2020 AI研究開発エンジニア@DeNA April 2010 - March 2019 研究員@三菱電機 March 2010 博士@東北大学 @kzykmyzw 3. Mobility Technologies Co., Ltd. ■ TeslaにおけるAI技術開発
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く