| 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 | 2022-01-20 15:10 ［ショートペーパー］強化学習によるSplit inferenceにおける機械学習モデルと無線LANパラメータの同時制御 ○依田光仁（東工大）・板原壮平（京大）・西尾理志（東工大）・依田大輝・鍋谷寿久（東芝）  SeMI2021-66 |
|
| 抄録 | （和） | DI (Distributed Inference)は，DNN (Deep Neural Network) など機械学習モデルによる推論をリソースに制約のあるデバイスとエッジサーバで協調的に行う技術である．しかし，狭帯域でパケットロスの多い無線ネットワークにおいてDIを実施すると，通信がボトルネックとなり，処理遅延が増大する．本論文では，推論精度を維持しつつ遅延を低減するために，伝送レートや再送回数などの無線通信パラメタとMLモデルの同時最適化を提案している．提案手法では，推論のパケットロス耐性を利用し，無線通信において高い伝送レートや再送を制限することで，信頼性を下げる，つまりパケットロス率を上げる代わりに遅延時間を削減する．提案手法は，MAB(Multi-armed bandit)問題としてモデル化し，UCBアルゴリズムにより，無線通信パラメタとMLモデルアーキテクチャを同時に最適化する．NS3-AIを用いたコンピュータシミュレーションの結果，提案手法はMLモデルアーキテクチャや通信パラメタのみを最適化した場合と比べ，推論の精度を維持しつつ遅延を低減できることを示した． |
| （英） | Distributed inference (DI) enables machine learning (ML) inference with a deep neural network on resource-constrained devices. However, lossy wireless networks can become a bottleneck, thereby increasing latency in DI. This paper studies a joint control of the wireless communication parameters (e.g., transmission rate, retransmission limit) and ML model architecture to reduce latency while maintaining inference accuracy. The proposed method focuses on the packet-loss tolerance of ML inference and uses unreliable (i.e., high packet-loss rate) but low-latency communication protocol. To achieve a well-balanced trade-off between accuracy and latency, the proposed method jointly controls wireless communication parameters affecting the reliability and latency and ML model architecture affecting accuracy and packet-loss reliance, based on multi-armed bandit (MAB) algorithm, namely upper confidence bound (UCB) algorithm. The results of ns3-ai-based computer simulations show that the proposed method reduces communication latency while maintaining inference accuracy. | |
| キーワード | （和） | 分散推論 / 同時制御 / 機械学習 / 無線LAN / 強化学習 / / / |
| （英） | Distributed inference / Joint control / Machine learning / Wireless LAN / Reinforcement Learning / / / | |
| 文献情報 | 信学技報, vol. 121, no. 333, SeMI2021-66, pp. 51-54, 2022年1月. | |
| 資料番号 | SeMI2021-66 | |
| 発行日 | 2022-01-13 (SeMI) | |
| 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 | SeMI2021-66 |
|
| 研究会情報 | |
| 研究会 | SeMI |
| 開催期間 | 2022-01-20 - 2022-01-21 |
| 開催地（和） | 野沢温泉スパリーナ コンベンションホール |
| 開催地（英） | |
| テーマ（和） | センシング，モビリティ，モバイル・ユビキタスコンピューティング，センサ・アドホック・モバイルネットワーク，アプリケーション，一般 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | SeMI |
| 会議コード | 2022-01-SeMI |
| 本文の言語 | 日本語 |
| タイトル（和） | 強化学習によるSplit inferenceにおける機械学習モデルと無線LANパラメータの同時制御 |
| サブタイトル（和） | |
| タイトル（英） | A Study of Joint Control of Machine Learning Model and Wireless LAN Parameters in Split inference by Reinforcement Learning |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 分散推論 / Distributed inference |
| キーワード(2)（和/英） | 同時制御 / Joint control |
| キーワード(3)（和/英） | 機械学習 / Machine learning |
| キーワード(4)（和/英） | 無線LAN / Wireless LAN |
| キーワード(5)（和/英） | 強化学習 / Reinforcement Learning |
| 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） | 依田 光仁 / Kojin Yorita / ヨリタ コウジン |
| 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： Tokyo Tech.) |
| 第2著者 氏名（和/英/ヨミ） | 板原 壮平 / Sohei Itahara / イタハラ ソウヘイ |
| 第2著者 所属（和/英） | 京都大学 (略称： 京大) Kyoto University (略称： Kyoto Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 西尾 理志 / Takayuki Nishio / ニシオ タカユキ |
| 第3著者 所属（和/英） | 東京工業大学 (略称： 東工大) Tokyo Institute of Technology (略称： Tokyo Tech.) |
| 第4著者 氏名（和/英/ヨミ） | 依田 大輝 / Daiki Yoda / ヨダ ダイキ |
| 第4著者 所属（和/英） | 東芝 (略称： 東芝) Toshiba (略称： Toshiba) |
| 第5著者 氏名（和/英/ヨミ） | 鍋谷 寿久 / Toshihisa Nabetani / ナベタニ トシヒサ |
| 第5著者 所属（和/英） | 東芝 (略称： 東芝) Toshiba (略称： Toshiba) |
| 講演者 | 第1著者 |
| 発表日時 | 2022-01-20 15:10:00 |
| 発表時間 | 10分 |
| 申込先研究会 | SeMI |
| 資料番号 | SeMI2021-66 |
| 巻番号（vol） | vol.121 |
| 号番号（no） | no.333 |
| ページ範囲 | pp.51-54 |
| ページ数 | 4 |
| 発行日 | 2022-01-13 (SeMI) |
[研究会発表申込システムのトップページに戻る] (日本語ページの行間係数: 1)