| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2021-05-20 16:10 ［招待講演］スパースモデリングの秘匿演算処理技術 ～ 軽量・少量データで動作するエッジAI ～ ○仲地孝之（琉球大）  IT2021-6 EMM2021-6 |
|
| 抄録 | （和） | ビッグデータ、IoT、AI時代の到来とともに、あらゆるデジタルコンテンツが質量ともに増え続けている。その中でスパースモデリングは大量のデータの中に隠れている有為な情報を抽出する情報処理モデルとして注目されている。スパースモデリングは膨大なデータのほとんどの要素をスパースと考え、非ゼロ要素に着目することでデータの本質の抽出する。ディープラーニングに対して、1）少量データでの学習が可能、２）低い演算量、３）説明可能なAIといった側面も持ち、注目されている。本稿では、スパースモデリングの機械学習の側面に焦点をあて、エッジAIとしての利用を見据えた軽量・少量データで動作する秘匿スパースモデリングについて説明する。 |
| （英） | With the advent of the big data, IoT, AI era, all digital contents continue to increase. Sparse modeling is drawing attention as an information processing model for extracting useful information hidden in a large amount of data. It assumes that most elements of huge data are sparse, and extracts the essence of data by focusing on non-zero elements. Compared to deep learning, sparse modeling has aspects such as 1) learning with small amounts of data, 2) low computational complexity, and 3) explainable AI. This paper focuses on the machine learning aspect of secure sparse modeling that works with lightweight and small amounts of data for use as edge AI. | |
| キーワード | （和） | スパースモデリング / 秘匿演算 / 辞書学習 / 機械学習 / エッジAI / エッジコンピューティング / / |
| （英） | Sparse Modeling / Secure Computation / Dictionary Learning / Machine Learning / Edge AI / Edge Computing / / | |
| 文献情報 | 信学技報, vol. 121, no. 29, EMM2021-6, pp. 31-36, 2021年5月. | |
| 資料番号 | EMM2021-6 | |
| 発行日 | 2021-05-13 (IT, EMM) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | IT2021-6 EMM2021-6 |
|
| 研究会情報 | |
| 研究会 | EMM IT |
| 開催期間 | 2021-05-20 - 2021-05-21 |
| 開催地（和） | オンライン開催 |
| 開催地（英） | Online |
| テーマ（和） | 情報セキュリティ，情報理論，情報ハイディング，一般 |
| テーマ（英） | Information Security, Information Theory, Information Hiding, etc. |
| 講演論文情報の詳細 | |
| 申込み研究会 | EMM |
| 会議コード | 2021-05-EMM-IT |
| 本文の言語 | 日本語 |
| タイトル（和） | スパースモデリングの秘匿演算処理技術 |
| サブタイトル（和） | 軽量・少量データで動作するエッジAI |
| タイトル（英） | Secure Computation of Sparse Modeling |
| サブタイトル（英） | Edge AI with Lightweight and Small Amounts of Data |
| キーワード(1)（和/英） | スパースモデリング / Sparse Modeling |
| キーワード(2)（和/英） | 秘匿演算 / Secure Computation |
| キーワード(3)（和/英） | 辞書学習 / Dictionary Learning |
| キーワード(4)（和/英） | 機械学習 / Machine Learning |
| キーワード(5)（和/英） | エッジAI / Edge AI |
| キーワード(6)（和/英） | エッジコンピューティング / Edge Computing |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 仲地 孝之 / Takayuki Nakachi / ナカチ タカユキ |
| 第1著者 所属（和/英） | 琉球大学 (略称： 琉球大) University of the Ryukyus (略称： Univ. of the Ryukyus) |
| 第2著者 氏名（和/英/ヨミ） | / / |
| 第2著者 所属（和/英） | (略称： ) (略称： ) |
| 第3著者 氏名（和/英/ヨミ） | / / |
| 第3著者 所属（和/英） | (略称： ) (略称： ) |
| 第4著者 氏名（和/英/ヨミ） | / / |
| 第4著者 所属（和/英） | (略称： ) (略称： ) |
| 第5著者 氏名（和/英/ヨミ） | / / |
| 第5著者 所属（和/英） | (略称： ) (略称： ) |
| 第6著者 氏名（和/英/ヨミ） | / / |
| 第6著者 所属（和/英） | (略称： ) (略称： ) |
| 第7著者 氏名（和/英/ヨミ） | / / |
| 第7著者 所属（和/英） | (略称： ) (略称： ) |
| 第8著者 氏名（和/英/ヨミ） | / / |
| 第8著者 所属（和/英） | (略称： ) (略称： ) |
| 第9著者 氏名（和/英/ヨミ） | / / |
| 第9著者 所属（和/英） | (略称： ) (略称： ) |
| 第10著者 氏名（和/英/ヨミ） | / / |
| 第10著者 所属（和/英） | (略称： ) (略称： ) |
| 第11著者 氏名（和/英/ヨミ） | / / |
| 第11著者 所属（和/英） | (略称： ) (略称： ) |
| 第12著者 氏名（和/英/ヨミ） | / / |
| 第12著者 所属（和/英） | (略称： ) (略称： ) |
| 第13著者 氏名（和/英/ヨミ） | / / |
| 第13著者 所属（和/英） | (略称： ) (略称： ) |
| 第14著者 氏名（和/英/ヨミ） | / / |
| 第14著者 所属（和/英） | (略称： ) (略称： ) |
| 第15著者 氏名（和/英/ヨミ） | / / |
| 第15著者 所属（和/英） | (略称： ) (略称： ) |
| 第16著者 氏名（和/英/ヨミ） | / / |
| 第16著者 所属（和/英） | (略称： ) (略称： ) |
| 第17著者 氏名（和/英/ヨミ） | / / |
| 第17著者 所属（和/英） | (略称： ) (略称： ) |
| 第18著者 氏名（和/英/ヨミ） | / / |
| 第18著者 所属（和/英） | (略称： ) (略称： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2021-05-20 16:10:00 |
| 発表時間 | 50分 |
| 申込先研究会 | EMM |
| 資料番号 | IT2021-6, EMM2021-6 |
| 巻番号（vol） | vol.121 |
| 号番号（no） | no.28(IT), no.29(EMM) |
| ページ範囲 | pp.31-36 |
| ページ数 | 6 |
| 発行日 | 2021-05-13 (IT, EMM) |
[研究会発表申込システムのトップページに戻る]