2サンプル平均化データに基づく非線形回帰モデルの学習

抄録

複数のサンプルを平均化したデータは、プライバシーを保護しながら機械学習に多くの情報を保持できるため、プライバシーを考慮した機械学習に有望である。この分野における第一歩として、本研究では2つのサンプルを平均化したデータから一般的な非線形回帰モデルを学習する方法を提案する。提案手法は、効率的に近似された尤度を最大化することで非線形回帰モデルを学習する。人工データを用いた実験により、入力次元が小さい場合に、提案手法が平均化前のデータを用いた予測モデルに匹敵する性能の予測モデルを学習できることがわかった。さらに、実データを用いた実験により、提案手法がニューラルネットワークを効果的に学習し、ベースラインと比較して優れた結果を示すことが確認された。この研究は、プライバシーを考慮した機械学習の新たな方向性を切り開くものである。