284760記事公開中

トレンドワード
  2. AIベンチマークリサーチ
  3. 論文研究
  4. Proof-of-Data（Proof-of-Data: A Consensus Protocol for Collaborative Intelligence）
2 分で読了
2 views

Proof-of-Data

（Proof-of-Data: A Consensus Protocol for Collaborative Intelligence）

さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか？

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として
一目置かれる存在に！

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか？

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、
あなたも生成AIマスター！

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題！誰1人置いていかずに寄り添います。

詳細を見る

田中専務

拓海先生、最近部下から「分散型フェデレーテッドラーニングでPoDを使えば」と言われまして、正直ピンと来ないのです。これって要するに何が変わるんでしょうか。

AIメンター拓海

素晴らしい着眼点ですね！大丈夫です、田中専務。簡潔に言うと、Proof-of-Dataは“誰がどれだけ貢献したか”を暗号的に評価しつつ、中央管理者なしで学習を進めるための仕組みですよ。まず要点を3つで説明しますね。

田中専務

3つとは？投資対効果や現場適用の観点で知りたいのですが、技術的な前提が多いと判断できません。

AIメンター拓海

まず一点目、

監修者

阪上雅昭（SAKAGAMI Masa-aki）
京都大学　人間・環境学研究科　名誉教授

論文研究シリーズ
前の記事
ヘッブ学習を取り入れた畳み込みニューラルネットワークの生物学的一貫性と有効性の向上
（Advancing the Biological Plausibility and Efficacy of Hebbian Convolutional Neural Networks）
次の記事
LOHA: 低域・高域ビュー間に着目したグラフスペクトル対照学習
（LOHA: Direct Graph Spectral Contrastive Learning Between Low-pass and High-pass Views）
関連記事
3D生成のためのノイズ除去スコア最適化学習
（Learn to Optimize Denoising Scores for 3D Generation: A Unified and Improved Diffusion Prior on NeRF and 3D Gaussian Splatting）
LQGオンライン学習
（LQG online learning）
順位付き分類の分布非依存コンフォーマル予測
（Distribution-free Conformal Prediction for Ordinal Classification）
FedSelect：パーソナライズド連合学習における微調整パラメータのカスタマイズ選択
(FedSelect: Customized Selection of Parameters for Fine-Tuning during Personalized Federated Learning)
ファウンデーションモデルの実世界ロボット応用レビュー
（Real-World Robot Applications of Foundation Models: A Review）
除外体積相互作用下におけるイオン性マイクロゲルの膨潤
（Swelling of ionic microgel particles in the presence of excluded-volume interactions: a density functional approach）
この記事をシェア

有益な情報を同僚や仲間と共有しませんか？

AI技術革新 - 人気記事
ブラックホールと量子機械学習の対応
（Black hole/quantum machine learning correspondence）
  • 論文研究
生成AI検索における敏感なユーザークエリの分類と分析
（Taxonomy and Analysis of Sensitive User Queries in Generative AI Search System）
  • 論文研究
DiReDi：AIoTアプリケーションのための蒸留と逆蒸留
（DiReDi: Distillation and Reverse Distillation for AIoT Applications）
  • 論文研究

PCも苦手だった私が

“AIに詳しい人“
として一目置かれる存在に！
  • AIBRプレミアム
  • 実践型生成AI活用キャンプ
あなたにオススメのカテゴリ
論文研究
最新記事
無線共存管理における強化学習ベースの資源配分
（Resource Allocation for a Wireless Coexistence Management System Based on Reinforcement Learning）
  • 論文研究
学習中の干渉と前進の一歩
（One step back, two steps forward: interference and learning in recurrent neural networks）
  • 論文研究
SOSELETOによる転移学習とノイズラベル対策の統一的アプローチ
（SOSELETO: A Unified Approach to Transfer Learning and Training with Noisy Labels）
  • 論文研究
N次元ベクトルニューロンの汎用バックプロパゲーション
（Backpropagation with N-D Vector-Valued Neurons Using Arbitrary Bilinear Products）
  • 論文研究
入門プログラミングにおける問題類似度の測定
（Measuring Item Similarity in Introductory Programming: Python and Robot Programming Case Studies）
  • 論文研究
Residual Networksを「変形の流れ」として読む — ResNetと微分同相写像の関係
（Residual Networks as Geodesic Flows of Diffeomorphisms）
  • 論文研究
さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか？

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として一目置かれる存在に！

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか？

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、あなたも生成AIマスター！

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題！誰1人置いていかずに寄り添います。

詳細を見る

AI Benchmark Researchをもっと見る

今すぐ購読し、続きを読んで、すべてのアーカイブにアクセスしましょう。

続きを読む