| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2019-12-05 13:50 ［ポスター講演］Self-trainingを用いた半教師あり学習によるeNodeBログデータの品質状態解析に関する研究 ○吉田祥太（東京都市大）・諸星敦史（富士通エフサス）・塩本公平（東京都市大）・エン チンラム・バックスタッド セバスチャン（エリクソン・ジャパン）  SR2019-92 |
|
| 抄録 | （和） | 年々トラフィックの増大するLTEネットワークにおいて,その基地局であるeNodeBに障害が発生した際に早急に原因を突き止めることは非常に重要である. そこで基地局から抽出されるeNodeBログデータを用いて,基地局の状態13種類を機械学習により判別する.その際に作成にコストがかかるラベル付きデータを最小限に抑えつつ,高い識別精度を実現することを目的とした. 本稿では確信度の高いラベルなしデータをラベルデータとみなすSelf trainingを用いて半教師あり学習を行うことで,通常の教師あり学習と比較しAccuracyは86.73％から90.13％に向上し効率の良い学習を実現した.また確信度の低いデータにラベルを追加するActive learning, ラベルなしデータに対しても有効な損失関数であるunlabeled loss functionという2種類の手法も用いることでAccuracyは90.96％に向上し,少数ラベルデータによる学習においての半教師あり学習の優位性を明らかにした. |
| （英） | In an LTE network where traffic is increasing year by year. It is important to quickly find the cause when a failure occurs in the eNodeB base station. Therefore, using the eNodeB log data extracted from the base station, 13 types of base station states are clasified by machine learning, and high accuracy is achieved while a few labeled data that is expensive to create. In this paper, semi-supervised learning is performed by using self-training, which considers unlabeled data with high confidence as label data, and the accuracy is improved from 86.73％ to 90.13％ compared to normal supervised learning. Also, using two types of methods, Active learning to add labels to data with low confidence, and unlabeled loss function, which is an effective loss function for unlabeled data, Accuracy has improved to 90.96％. The advantage of semi-supervised learning in learning with a few label data was clarified. |
|
| キーワード | （和） | 機械学習 / 半教師あり学習 / Self training / Active learning / unlabeled loss function / / / |
| （英） | machine learning / semi-supervised learning / Self training / Active learning / unlabeled loss function / / / | |
| 文献情報 | 信学技報, vol. 119, no. 325, SR2019-92, pp. 29-36, 2019年12月. | |
| 資料番号 | SR2019-92 | |
| 発行日 | 2019-11-28 (SR) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | SR2019-92 |
|
| 研究会情報 | |
| 研究会 | SR |
| 開催期間 | 2019-12-05 - 2019-12-06 |
| 開催地（和） | 石垣市民会館（石垣島） |
| 開催地（英） | Ishigaki City Hall (Ishigaki Island) |
| テーマ（和） | コグニティブ無線，機械学習応用，異種無線融合型ネットワーク，SDN，IoT，一般 |
| テーマ（英） | cognitive radio, machine learning application, heterogeneous network, SDN, IoT etc. |
| 講演論文情報の詳細 | |
| 申込み研究会 | SR |
| 会議コード | 2019-12-SR |
| 本文の言語 | 日本語 |
| タイトル（和） | Self-trainingを用いた半教師あり学習によるeNodeBログデータの品質状態解析に関する研究 |
| サブタイトル（和） | |
| タイトル（英） | Quality state analysis of eNodeB log data by semi-supervised learning using Self training |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 機械学習 / machine learning |
| キーワード(2)（和/英） | 半教師あり学習 / semi-supervised learning |
| キーワード(3)（和/英） | Self training / Self training |
| キーワード(4)（和/英） | Active learning / Active learning |
| キーワード(5)（和/英） | unlabeled loss function / unlabeled loss function |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 吉田 祥太 / Shouta Yoshida / ヨシダ ショウタ |
| 第1著者 所属（和/英） | 東京都市大学 (略称： 東京都市大) Tokyo City University (略称： TCU) |
| 第2著者 氏名（和/英/ヨミ） | 諸星 敦史 / Atsushi Morohoshi / モロホシ アツシ |
| 第2著者 所属（和/英） | 株式会社富士通エフサス (略称： 富士通エフサス) Fujitsu Fsas Inc. (略称： Fujitsu Fsas) |
| 第3著者 氏名（和/英/ヨミ） | 塩本 公平 / Kohei Shiomoto / シオモト コウヘイ |
| 第3著者 所属（和/英） | 東京都市大学 (略称： 東京都市大) Tokyo City University (略称： TCU) |
| 第4著者 氏名（和/英/ヨミ） | エン チンラム / Chin Lam Eng / エン チンラム |
| 第4著者 所属（和/英） | エリクソン・ジャパン株式会社 (略称： エリクソン・ジャパン) Ericsson Japan (略称： Ericsson Japan) |
| 第5著者 氏名（和/英/ヨミ） | バックスタッド セバスチャン / Sebastian Backstad / バックスタッド セバスチャン |
| 第5著者 所属（和/英） | エリクソン・ジャパン株式会社 (略称： エリクソン・ジャパン) Ericsson Japan (略称： Ericsson Japan) |
| 第6著者 氏名（和/英/ヨミ） | / / |
| 第6著者 所属（和/英） | (略称： ) (略称： ) |
| 第7著者 氏名（和/英/ヨミ） | / / |
| 第7著者 所属（和/英） | (略称： ) (略称： ) |
| 第8著者 氏名（和/英/ヨミ） | / / |
| 第8著者 所属（和/英） | (略称： ) (略称： ) |
| 第9著者 氏名（和/英/ヨミ） | / / |
| 第9著者 所属（和/英） | (略称： ) (略称： ) |
| 第10著者 氏名（和/英/ヨミ） | / / |
| 第10著者 所属（和/英） | (略称： ) (略称： ) |
| 第11著者 氏名（和/英/ヨミ） | / / |
| 第11著者 所属（和/英） | (略称： ) (略称： ) |
| 第12著者 氏名（和/英/ヨミ） | / / |
| 第12著者 所属（和/英） | (略称： ) (略称： ) |
| 第13著者 氏名（和/英/ヨミ） | / / |
| 第13著者 所属（和/英） | (略称： ) (略称： ) |
| 第14著者 氏名（和/英/ヨミ） | / / |
| 第14著者 所属（和/英） | (略称： ) (略称： ) |
| 第15著者 氏名（和/英/ヨミ） | / / |
| 第15著者 所属（和/英） | (略称： ) (略称： ) |
| 第16著者 氏名（和/英/ヨミ） | / / |
| 第16著者 所属（和/英） | (略称： ) (略称： ) |
| 第17著者 氏名（和/英/ヨミ） | / / |
| 第17著者 所属（和/英） | (略称： ) (略称： ) |
| 第18著者 氏名（和/英/ヨミ） | / / |
| 第18著者 所属（和/英） | (略称： ) (略称： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2019-12-05 13:50:00 |
| 発表時間 | 105分 |
| 申込先研究会 | SR |
| 資料番号 | SR2019-92 |
| 巻番号（vol） | vol.119 |
| 号番号（no） | no.325 |
| ページ範囲 | pp.29-36 |
| ページ数 | 8 |
| 発行日 | 2019-11-28 (SR) |
[研究会発表申込システムのトップページに戻る]