Cristin-resultat-ID: 2042257
Sist endret: 30. januar 2023, 17:21
NVI-rapporteringsår: 2022
Resultat
Vitenskapelig Kapittel/Artikkel/Konferanseartikkel
2022

Learning Realistic Patterns from Visually Unrealistic Stimuli: Generalization and Data Anonymization (Extended Abstract)

Bidragsytere:
  • Konstantinos Nikolaidis
  • Stein Kristiansen
  • Thomas Peter Plagemann
  • Vera Hermine Goebel
  • Knut Liestøl
  • Mohan Kankanhalli
  • mfl.

Bok

Proceedings of the Thirty-First International Joint Conference on Artificial Intelligence
ISBN:
  • 978-1-956792-00-3

Utgiver

AAAI Press
NVI-nivå 1

Serie

IJCAI International Joint Conference on Artificial Intelligence
ISSN 1045-0823
NVI-nivå 2

Om resultatet

Vitenskapelig Kapittel/Artikkel/Konferanseartikkel
Publiseringsår: 2022
Hefte: 31
Sider: 5762 - 5766
ISBN:
  • 978-1-956792-00-3

Klassifisering

Fagfelt (NPI)

Fagfelt: IKT
- Fagområde: Realfag og teknologi

Beskrivelse Beskrivelse

Tittel

Learning Realistic Patterns from Visually Unrealistic Stimuli: Generalization and Data Anonymization (Extended Abstract)

Sammendrag

Good training data is a prerequisite to develop useful Machine Learning applications. However, in many domains existing data sets cannot be shared due to privacy regulations (e.g., from medical studies). This work investigates a simple yet unconventional approach for anonymized data synthesis to enable third parties to benefit from such anonymized data. We explore the feasibility of learning implicitly from visually unrealistic, task-relevant stimuli, which are synthesized by exciting the neurons of a trained deep neural network. As such, neuronal excitation can be used to generate synthetic stimuli. The stimuli data is used to train new classification models. Furthermore, we extend this framework to inhibit representations that are associated with specific individuals. Extensive comparative empirical investigation shows that different algorithms trained on the stimuli are able to generalize successfully on the same task as the original model.

Bidragsytere

Konstantinos Nikolaidis

  • Tilknyttet:
    Forfatter
    ved Institutt for informatikk ved Universitetet i Oslo

Stein Kristiansen

  • Tilknyttet:
    Forfatter
    ved Institutt for informatikk ved Universitetet i Oslo

Thomas Peter Plagemann

  • Tilknyttet:
    Forfatter
    ved PROG Programmering ved Universitetet i Oslo

Vera Hermine Goebel

  • Tilknyttet:
    Forfatter
    ved Forskningsgruppen for programmering og software engineering ved Universitetet i Oslo

Knut Liestøl

  • Tilknyttet:
    Forfatter
    ved Institutt for informatikk ved Universitetet i Oslo
1 - 5 av 11 | Neste | Siste »

Resultatet er en del av Resultatet er en del av

Proceedings of the Thirty-First International Joint Conference on Artificial Intelligence.

de Raed, Luc. 2022, AAAI Press. Vitenskapelig antologi/Konferanseserie
1 - 1 av 1