V. Drungilo daktaro disertacijos „Bendradarbiavimu grįstas paskirstytas mašininis mokymasis blokų grandinėje“ gynimas

Autorius, institucija: Vaidotas Drungilas, Kauno technologijos universitetas

Mokslo sritis, kryptis: technologijos mokslai, informatikos inžinerija, T007

Mokslinis vadovas: prof. dr. Evaldas Vaičiukynas (Kauno technologijos universitetas, technologijos mokslai, informatikos inžinerija, T007)

Informatikos inžinerijos mokslo krypties disertacijos gynimo taryba:
prof. dr. Robertas Damaševičius (Kauno technologijos universitetas, technologijos mokslai, informatikos inžinerija, T007) – pirmininkas
doc. dr. Razvan Bocu (Brašovo Transilvanijos universitetas, Rumunija, technologijos mokslai, informatikos inžinerija, T007)
prof. dr. Nikolaj Goranin (Vilniaus Gedimino technikos universitetas, technologijos mokslai, informatikos inžinerija, T007)
prof. dr. Tomas Krilavičius (Vytauto Didžiojo universitetas, gamtos mokslai, informatika, N009)
prof. dr. Agnė Paulauskaitė-Tarasevičienė (Kauno technologijos universitetas, gamtos mokslai, informatika, N009)

Su disertacija galima susipažinti Kauno technologijos universiteto bibliotekoje (Gedimino g. 50, Kaunas) ir internete: V. Drungilo el. disertacija (PDF)

Disertacijos gynimas vyks Kauno technologijos universiteto Rektorato salėje (K. Donelaičio g. 73-402, Kaunas).

Anotacija: Bendradarbiavimui skirti paskirstyto mašininio mokymosi sprendimai yra ribojami mažo dalyvių pasitikėjimo, apribojimų dėl jautrių duomenų naudojimo ir sudėtingų egzistuojančių mašininio mokymosi technologijų adaptavimo galimybių. Šiame darbe buvo pasiūlytas bendradarbiavimo metodas vykdant paskirstytą mašininį mokymąsi, panaudojant blokų grandinės technologijas. Pasiūlytas metodas suteikia galimybę blokų grandinės tinklo nariams bendradarbiauti mašininio mokymosi modelių diegimo procese ir įvertinti pasidalinamų modelių ir duomenų naudą, apskaičiuojant jų indėlį kiekvienam dalyviui. Pagal  pasiūlytą metodą sukurto sprendimo realizacija buvo atlikta pasinaudojant „Hyperledger Fabric“ privačia blokų grandine, taip pademonstruojant galimybę vykdyti bendradarbiavimu grindžiamą paskirstytą mašininį mokymąsi. Realizuotas prototipas panaudojo lokalias off-chain orakulo paslaugas, kurios leido pakartotinai panaudoti įvairias mašininio mokymosi aplinkas ir technologijas, taip išplečiant ribotas blokų grandinės išmaniųjų kontraktų vykdymo aplinkas. Šiame darbe atlikti eksperimentai lygina pasiūlytos blokų grandinės architektūros greitaveiką su esamų architektūrų greitaveiką, tiria pasiūlyto dalyvių indėlio įvertinimo strategijos veiksmingumą, bei vertina žinių distiliavimo strategijos įtaką klasifikatoriaus tikslumui. Pasiūlytas metodas pagerino klasifikavimo tikslumą 4,8% ir 1,9% lyginant su vieno mišinio mokymosi modelio sprendimu, testuotiems duomenų rinkiniams.