お知らせ 2023年度・2024年度 学生員 会費割引キャンペーン実施中です
お知らせ 技術研究報告と和文論文誌Cの同時投稿施策(掲載料1割引き)について
お知らせ 電子情報通信学会における研究会開催について
お知らせ NEW 参加費の返金について
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 2021-07-14 10:30
深層展開による拡散LMSアルゴリズムのエッジ重みとステップサイズの最適化に関する検討
西畑友登石井光治香川大RCC2021-22
抄録 (和) 本研究では,センサネットワークにおける分散信号処理の高速化を目的とし,データ駆動型パラメータ設計を提案する.分散信号処理は,集中制御型に比べて計算処理などを分散できる利点がある一方,収束特性が遅くなる欠点がある.そこで本研究では,従来提案されている拡散LMS に深層展開を適用することで,着目するネットワークに特化したパラメータの最適化を実現する.具体的に,拡散LMS アルゴリズムに用いられるステップサイズと重み付き平均合意に用いる重み付き隣接行列を最適化する.計算機シミュレーションの結果,深層展開を用いたパラメータ設定が収束特性を改善することを示す. 
(英) This study proposes a deep-unfolding aided parameter setting for a diffusion LMS algorithm. Distributed signal processing can avoid the centralization of huge computational burden and/or power consumption at some agents in the network, while its convergence performance of signal processing becomes worse than the one of centralized signal processing. To accelerate the convergence performance, this study applies a deep unfolding to the focused diffusion LMS algorithm. Specifically, this work tries to optimize both step size and weighted adjacent matrix in the diffusion LMS algorithm. Simulation results show that the diffusion LMS with the optimized parameters can significantly enhance the convergence performance compared to the case with fixed parameters.
キーワード (和) 拡散LMSアルゴリズム / 深層学習 / 深層展開 / 平均合意 / / / /  
(英) Diffusion LMS Algorithm / deep-learning / deep-unfolding / average consensus / / / /  
文献情報 信学技報, vol. 121, no. 101, RCC2021-22, pp. 1-6, 2021年7月.
資料番号 RCC2021-22 
発行日 2021-07-07 (RCC) 
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 RCC2021-22

研究会情報
研究会 RCS SR NS SeMI RCC  
開催期間 2021-07-14 - 2021-07-16 
開催地(和) オンライン開催 
開催地(英) Online 
テーマ(和) 機械学習とAIを応用した通信・ネットワーク技術,M2M (Machine-to-Machine),D2D (Device-to-Device),IoT(Internet of Things),一般 
テーマ(英) Communication and Network Technology of the AI Age, M2M (Machine-to-Machine),D2D (Device-to-Device),IoT(Internet of Things), etc 
講演論文情報の詳細
申込み研究会 RCC 
会議コード 2021-07-RCS-SR-NS-SeMI-RCC 
本文の言語 日本語 
タイトル(和) 深層展開による拡散LMSアルゴリズムのエッジ重みとステップサイズの最適化に関する検討 
サブタイトル(和)  
タイトル(英) Deep-Unfolding Aided Optimization of Edge Weights and Step Sizes for Diffusion LMS Algorithm 
サブタイトル(英)  
キーワード(1)(和/英) 拡散LMSアルゴリズム / Diffusion LMS Algorithm  
キーワード(2)(和/英) 深層学習 / deep-learning  
キーワード(3)(和/英) 深層展開 / deep-unfolding  
キーワード(4)(和/英) 平均合意 / average consensus  
キーワード(5)(和/英) /  
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) 西畑 友登 / Yuto Nishihata / ニシハタ ユウト
第1著者 所属(和/英) 香川大学 (略称: 香川大)
Kagawa University (略称: Kagawa Univ.)
第2著者 氏名(和/英/ヨミ) 石井 光治 / Koji Ishii / イシイ コウジ
第2著者 所属(和/英) 香川大学 (略称: 香川大)
Kagawa University (略称: Kagawa Univ.)
第3著者 氏名(和/英/ヨミ) / /
第3著者 所属(和/英) (略称: )
(略称: )
第4著者 氏名(和/英/ヨミ) / /
第4著者 所属(和/英) (略称: )
(略称: )
第5著者 氏名(和/英/ヨミ) / /
第5著者 所属(和/英) (略称: )
(略称: )
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: )
第19著者 氏名(和/英/ヨミ) / /
第19著者 所属(和/英) (略称: )
(略称: )
第20著者 氏名(和/英/ヨミ) / /
第20著者 所属(和/英) (略称: )
(略称: )
講演者 第1著者 
発表日時 2021-07-14 10:30:00 
発表時間 25分 
申込先研究会 RCC 
資料番号 RCC2021-22 
巻番号(vol) vol.121 
号番号(no) no.101 
ページ範囲 pp.1-6 
ページ数
発行日 2021-07-07 (RCC) 


[研究会発表申込システムのトップページに戻る]

[電子情報通信学会ホームページ]


IEICE / 電子情報通信学会