Dans ce document, nous présentons une nouvelle approche en apprentissage machine
pour la classification. Le cadre que nous proposons est basé sur des circuits booléens,
plus précisément le classifieur produit par notre algorithme a cette forme. L’utilisation
des bits et des portes logiques permet à l’algorithme d’apprentissage et au classifieur
d’utiliser des opérations vectorielles binaires très efficaces. La qualité du classifieur, produit
par notre approche, se compare très favorablement à ceux qui sont produits par des
techniques classiques, à la fois en termes d’efficacité et de précision. En outre, notre
approche peut être utilisée dans un contexte où la confidentialité est une nécessité, par
exemple, nous pouvons classer des données privées. Ceci est possible car le calcul ne
peut être effectué que par des circuits booléens et les données chiffrées sont quantifiées
en bits. De plus, en supposant que le classifieur a été déjà entraîné, il peut être alors
facilement implémenté sur un FPGA car ces circuits sont également basés sur des portes
logiques et des opérations binaires. Par conséquent, notre modèle peut être facilement
intégré dans des systèmes de classification en temps réel. / In this document we present a novel approach in machine learning for classification.
The framework we propose is based on boolean circuits, more specifically the classifier
produced by our algorithm has that form. Using bits and boolean gates enable the
learning algorithm and the classifier to use very efficient boolean vector operations. The
accuracy of the classifier we obtain with our framework compares very favourably with
those produced by conventional techniques, both in terms of efficiency and accuracy.
Furthermore, the framework can be used in a context where information privacy is a necessity,
for example we can classify private data. This can be done because computation
can be performed only through boolean circuits as encrypted data is quantized in bits.
Moreover, assuming that the classifier was trained, it can then be easily implemented on
FPGAs (i.e., Field-programmable gate array) as those circuits are also based on logic
gates and bitwise operations. Therefore, our model can be easily integrated in real-time
classification systems.
| Identifer | oai:union.ndltd.org:umontreal.ca/oai:papyrus.bib.umontreal.ca:1866/18763 |
| Date | 08 1900 |
| Creators | Mokaddem, Mouna |
| Contributors | Tapp, Alain, Vincent, Pascal |
| Source Sets | Université de Montréal |
| Language | English |
| Detected Language | French |
| Type | Thèse ou Mémoire numérique / Electronic Thesis or Dissertation |
Page generated in 0.0083 seconds