ASCII：基于无知值交换的辅助分类
机器学习
2020-10-22 v1 密码学与安全
摘要
数据采集设备与计算平台的快速发展产生了数量激增的智能体，每个智能体在特定主体群体上具备独特的数据模态。虽然将其他数据传输给某智能体可提升其预测性能，但因难以承受的传输成本与安全顾虑，这往往不现实。虽然将其他数据传输给某智能体可提升其预测性能，但因难以承受的传输成本与安全顾虑，这往往不现实。本文提出一种名为ASCII的方法，使智能体通过其他智能体的辅助提升其分类性能。主要思想是在智能体间针对每个比对样本迭代交换介于0与1之间的无知值，该值表示所需进一步辅助的紧迫程度。该方法天然适用于隐私感知、传输节约和去中心化学习场景。该方法也具有通用性，允许智能体使用任意分类器如逻辑回归、集成树和神经网络，且它们可在智能体间异构。我们通过大量实验研究展示了所提方法。
引用
@article{arxiv.2010.10747,
title = {ASCII: ASsisted Classification with Ignorance Interchange},
author = {Jiaying Zhou and Xun Xian and Na Li and Jie Ding},
journal= {arXiv preprint arXiv:2010.10747},
year = {2020}
}
备注
12 pages, 6 figures