1 0 0 0 OA プライバシを保護した尤度比検定
- 著者
- 川崎 将平 呉 双 佐久間 淳
- 出版者
- 人工知能学会
- 雑誌
- 人工知能学会全国大会論文集 (ISSN:13479881)
- 巻号頁・発行日
- vol.28, 2014
高次元データから統計的な予測モデルを生成する際には特徴選択が必要である。利用するデータが秘密データである場合、データの秘密性を保持しつつ特徴選択を行う必要がある。我々はプライバシを保護したカイ二乗分布による尤度比検定を提案する.さらに、これを予測モデル構築における特徴選択に応用する。
- 著者
- 呉 双 川本 淳平 菊池 浩明 佐久間 淳
- 出版者
- 一般社団法人電子情報通信学会
- 雑誌
- 電子情報通信学会技術研究報告. IBISML, 情報論的学習理論と機械学習 (ISSN:09135685)
- 巻号頁・発行日
- vol.113, no.139, pp.67-74, 2013-07-11
統計的分析を行う際に個人情報を保護することは,機械学習やデータマイニングにおいて多くの注目を集めている.この研究において我々は,異なる人間がそれぞれデータを持っている時に,実際にデータを合わせることなく予測を行うためのプライバシー保護ロジスティック回帰の提案を行う.ロジスティックシグモイド関数は非線形関数であるため,暗号上で扱えないという問題がある.そのため,我々の提案ではロジスティックシグモイド関数の近似として多項式フィッティングを用いている.
1 0 0 0 OA マルコフ過程を用いた位置情報継続開示のためのアドバーザリアルプライバシ
- 著者
- 川本 淳平 佐久間 淳
- 出版者
- 情報処理学会
- 雑誌
- 情報処理学会研究報告. データベース・システム研究会報告 (ISSN:09196072)
- 巻号頁・発行日
- vol.2013-DBS-157, no.1, pp.1-6, 2013-07
本論文では,位置情報を継続的に公開するためのプライバシ定義を提案する.ある時刻における人々の位置情報は,過去に滞在していた地点との相関がある.そのため,差分プライバシのようにどのような背景知識を持つ攻撃者に対して,安全かつ継続的に位置情報を公開するためには付加しなければならないノイズ量が多くなる.本論文では,人々の行動にマルコフ性を仮定しマルコフ過程を用いた攻撃者に対して安全な位置情報の公開のためのアドバーザリアルプライバシを提案する.本論文では,先ず,各時刻毎に POI 別滞在人数ヒストグラムを公開する問題を考え,提案アドバーザリアルプライバシを満足するヒストグラム導出メカニズムについて議論する.そして,各時刻毎に POI のシーケンスからなるパスのカウントヒストグラムを公開する問題を考え,先のヒストグラム導出メカニズムをこの問題へ拡張する.最後に評価実験では,公開位置情報を用いた解析タスクとして頻出パス抽出を想定し,提案手法がプライバシを保護しつつ正確な解析結果を導く位置情報を公開できることを示す.
1 0 0 0 OA プライバシを考慮した移動系列情報解析のための安全性の提案
1 0 0 0 OA プライベート問合せにおける問合せ頻度を用いた制約緩和手法
- 著者
- 川本 淳平 Gillett Patricia L. 佐久間 淳
- 雑誌
- WebDB Forum 2012
- 巻号頁・発行日
- 2012-11
WebDB Forum 2012(第5回 Webとデータベースに関するフォーラム)2012年11月20日(火)~21日(水)秋葉原コンベンションホール
1 0 0 0 OA プライベート問合せにおける問合せ頻度を用いた制約緩和手法
- 著者
- 川本 淳平 ギレット パトリシア 佐久間 淳
- 出版者
- 情報処理学会
- 雑誌
- 情報処理学会論文誌. データベース (ISSN:03875806)
- 巻号頁・発行日
- vol.6, no.3, pp.50-60, 2013-06
1 0 0 0 OA 筋肉痛の発生機序と部位特異性:筋肉痛を抑えながら筋力増強効果を高めるトレーニング
本研究は、2つの動作速度でカーフレイズ運動を行い、筋疲労の程度と遅発性筋肉痛(DOMS)および筋損傷マーカーの量の変化、筋の機能変化の関係ついて、運動前後および運動後7日間にわたって調査した。その結果、(1)筋疲労の程度は動作速度によって異なり、速い動作ほど疲労が少ないこと、(2)筋疲労の程度と遅発性筋肉痛・筋損傷マーカーの量が関係し、これには筋特異性が存在するが、筋疲労の程度によらず筋の機能は速やかに回復すること、(3)運動中の筋線維動態はこれらの変化と連動して変化する可能性があることが示された。
1 0 0 0 OA 混合分布推定のためのコンポーネントワイズEM
- 著者
- 佐久間 淳 安藤 晋 小林 重信
- 出版者
- 一般社団法人 人工知能学会
- 雑誌
- 人工知能学会論文誌 (ISSN:13460714)
- 巻号頁・発行日
- vol.23, no.3, pp.163-175, 2008 (Released:2008-02-26)
- 参考文献数
- 17
In the process of mixture model estimation using Expectation-Maximization (EM) methods, mixture densities are required to be measured at every step to obtain posterior probabilities. When the number of data n in a dataset or the number of mixtures m is large, the time complexity required for the evaluation of posterior probabilities is O(mn).