Alapfogalmak
複雑な活性化関数をMPC技術で効率的に近似する手法を提案し、高い精度を維持しながら計算効率を向上させる。
Kivonat
Secure multi-party computation (MPC)技術を使用して、複雑な活性化関数の近似を実現する手法Compactが紹介されている。
活性化関数の近似において、入力密度への配慮やシミュレーテッドアニーリング型最適化が使用されている。
論文では、Chebyshev補間法が採用されており、多層ニューラルネットワークにおける高い精度と効率性が示されている。
Statisztikák
論文では特定の数字や重要な指標は記載されていません。
Idézetek
"Our work accelerates easy adoption of MPC techniques to provide user data privacy even when the queried DNN models consist of a number of hidden layers and complex activation functions."
"We conduct extensive experiments and show that Compact generated MPC-friendly approximation of complex AFs have both negligible inference accuracy loss than other DNN-specific approaches, and 2×–5× faster than NFGen."