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 【重要】研究会・各種料金のお支払い方法変更について
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 2021-09-10 12:40
[特別招待講演]通信効率の良いFederated Learningに向けて
西尾理志東工大CQ2021-56
抄録 (和) Federated Learning (FL) は連合機械学習とも呼ばれる、分散的に保持されたデータを用いてモデルを訓練する機械学習手法である。FL の特徴は、分散するデータを集約したり共有したりすることなく活用できることであり、プライバシ情報や機密情報を含むデータについても少ない情報漏洩リスクで活用可能となる。一方で、モデル訓練の際にモデルのデータサイズに比例した通信トラヒックが繰り返し発生するため、通信帯域を逼迫させる。本稿では、FL について代表的アルゴリズムであるFedAvg の原理を解説し、通信トラヒックの課題とその解決に向けた研究動向について紹介する。 
(英) Federated Learning (FL) is a machine learning framework that trains models using distributed data. Since FL can utilize the data stored by distributed nodes without aggregating or sharing the data, data containing private or confidential information can be used with less risk of information leakage. On the other hand, the communication traffic proportional to the data size of the model is generated repeatedly during model training, which strains the communication bandwidth. This paper explains FL based on FedAvg, which is a typical algorithm and introduces the issues of communication traffic and the research trend to solve them.
キーワード (和) Federated Learning / 連合機械学習 / 分散機械学習 / 深層学習 / 無線ネットワーク / / /  
(英) Federated Learning / Distributed Machine Learning / Deep Learning / Wireless Networks / Communication Efficiency / / /  
文献情報 信学技報, vol. 121, no. 173, CQ2021-56, pp. 94-96, 2021年9月.
資料番号 CQ2021-56 
発行日 2021-09-02 (CQ) 
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 CQ2021-56

研究会情報
研究会 CQ MIKA  
開催期間 2021-09-09 - 2021-09-10 
開催地(和) オンライン開催 
開催地(英) Online 
テーマ(和) 無線通信品質、6G、IoT、無線伝送、リソース制御、クロスレイヤー技術、一般 
テーマ(英) Wireless Communications Quality, 6G, IoT, Resource Management, Wireless Transmission, Cross layer Technologies, etc. 
講演論文情報の詳細
申込み研究会 CQ 
会議コード 2021-09-CQ-MIKA 
本文の言語 日本語 
タイトル(和) 通信効率の良いFederated Learningに向けて 
サブタイトル(和)  
タイトル(英) Toward Communication Efficient Federated Learning 
サブタイトル(英)  
キーワード(1)(和/英) Federated Learning / Federated Learning  
キーワード(2)(和/英) 連合機械学習 / Distributed Machine Learning  
キーワード(3)(和/英) 分散機械学習 / Deep Learning  
キーワード(4)(和/英) 深層学習 / Wireless Networks  
キーワード(5)(和/英) 無線ネットワーク / Communication Efficiency  
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) 西尾 理志 / Takayuki Nishio / ニシオ タカユキ
第1著者 所属(和/英) 東京工業大学 (略称: 東工大)
Tokyo Institute of Technology (略称: TokyoTech)
第2著者 氏名(和/英/ヨミ) / /
第2著者 所属(和/英) (略称: )
(略称: )
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: )
第21著者 氏名(和/英/ヨミ) / /
第21著者 所属(和/英) (略称: )
(略称: )
第22著者 氏名(和/英/ヨミ) / /
第22著者 所属(和/英) (略称: )
(略称: )
第23著者 氏名(和/英/ヨミ) / /
第23著者 所属(和/英) (略称: )
(略称: )
第24著者 氏名(和/英/ヨミ) / /
第24著者 所属(和/英) (略称: )
(略称: )
第25著者 氏名(和/英/ヨミ) / /
第25著者 所属(和/英) (略称: )
(略称: )
第26著者 氏名(和/英/ヨミ) / /
第26著者 所属(和/英) (略称: )
(略称: )
第27著者 氏名(和/英/ヨミ) / /
第27著者 所属(和/英) (略称: )
(略称: )
第28著者 氏名(和/英/ヨミ) / /
第28著者 所属(和/英) (略称: )
(略称: )
第29著者 氏名(和/英/ヨミ) / /
第29著者 所属(和/英) (略称: )
(略称: )
第30著者 氏名(和/英/ヨミ) / /
第30著者 所属(和/英) (略称: )
(略称: )
第31著者 氏名(和/英/ヨミ) / /
第31著者 所属(和/英) (略称: )
(略称: )
第32著者 氏名(和/英/ヨミ) / /
第32著者 所属(和/英) (略称: )
(略称: )
第33著者 氏名(和/英/ヨミ) / /
第33著者 所属(和/英) (略称: )
(略称: )
第34著者 氏名(和/英/ヨミ) / /
第34著者 所属(和/英) (略称: )
(略称: )
第35著者 氏名(和/英/ヨミ) / /
第35著者 所属(和/英) (略称: )
(略称: )
第36著者 氏名(和/英/ヨミ) / /
第36著者 所属(和/英) (略称: )
(略称: )
講演者 第1著者 
発表日時 2021-09-10 12:40:00 
発表時間 45分 
申込先研究会 CQ 
資料番号 CQ2021-56 
巻番号(vol) vol.121 
号番号(no) no.173 
ページ範囲 pp.94-96 
ページ数
発行日 2021-09-02 (CQ) 


[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