| 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 | 2022-03-04 15:55 センシングデータの相関性を生かした無線連合学習 ○雲雀恵太・神原征弥・木村共孝・程 俊（同志社大）  CAS2021-99 CS2021-101 |
|
| 抄録 | （和） | センシングデータの相関性を生かした無線連合学習アルゴリズムを提案する．全デバイスは地理的に数か所に集まり，同場所にいるデバイスが相関のあるセンシングデータを持つ無線連合学習システムにおいて，学習に参加するデバイスは予約信号をサーバに送付する．その信号を検知した近所にいるデバイスは，学習に参加しないとする．このように，近所に集まっているデバイスのなかから１デバイスを自律的に選択し，学習に参加することで全システムの計算量および通信量を削減することができる．MNISTを用いて提案システムをシミュレーションで評価し，認識精度は全デバイスの参加する従来のシステムとほぼ同等であることを明らかにした． |
| （英） | Federated leaning in wireless networks is considered where devices are gathered in several locations and the sensing data of the devices in each location are correlated. A device which wants to participate in the training sends a reservation signal to the server at its randomly assigned slot, and devices which detect the signal will not participate in the training. As a result, both of the amount of training computation in the systems and communication traffic between devices and the server are reduced. Simulations show that the recognition accuracy of MINST dataset with the proposed training method has no much degradation, compared with the all-device training. | |
| キーワード | （和） | センシングデータの相関 / デバイスの自律選択 / ニューラルネットワーク / 無線連合学習 / / / / |
| （英） | Correlated sensing data / Autonomous device selection / Neural networks / Wireless federated learning / / / / | |
| 文献情報 | 信学技報, vol. 121, no. 395, CS2021-101, pp. 136-140, 2022年3月. | |
| 資料番号 | CS2021-101 | |
| 発行日 | 2022-02-24 (CAS, CS) | |
| 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 | CAS2021-99 CS2021-101 |
|
| 研究会情報 | |
| 研究会 | CAS CS |
| 開催期間 | 2022-03-03 - 2022-03-04 |
| 開催地（和） | オンライン開催 |
| 開催地（英） | Online |
| テーマ（和） | ネットワークプロセッサ，通信のための信号処理回路，無線LAN/PAN，一般 |
| テーマ（英） | Network processor, Signal processing and circuits for communications, Wireless LAN / PAN, etc. |
| 講演論文情報の詳細 | |
| 申込み研究会 | CS |
| 会議コード | 2022-03-CAS-CS |
| 本文の言語 | 日本語 |
| タイトル（和） | センシングデータの相関性を生かした無線連合学習 |
| サブタイトル（和） | |
| タイトル（英） | Federated Learning with Correlated Sensing Data in Wireless Networks |
| サブタイトル（英） | |
| キーワード(1)（和/英） | センシングデータの相関 / Correlated sensing data |
| キーワード(2)（和/英） | デバイスの自律選択 / Autonomous device selection |
| キーワード(3)（和/英） | ニューラルネットワーク / Neural networks |
| キーワード(4)（和/英） | 無線連合学習 / Wireless federated learning |
| 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） | 雲雀 恵太 / Keita Hibari / ヒバリ ケイタ |
| 第1著者 所属（和/英） | 同志社大学 (略称： 同志社大) Doshisha University (略称： Doshisha Univ) |
| 第2著者 氏名（和/英/ヨミ） | 神原 征弥 / Masaya Kambara / カンバラ マサヤ |
| 第2著者 所属（和/英） | 同志社大学 (略称： 同志社大) Doshisha University (略称： Doshisha Univ) |
| 第3著者 氏名（和/英/ヨミ） | 木村 共孝 / Tomotaka Kimura / キムラ トモタカ |
| 第3著者 所属（和/英） | 同志社大学 (略称： 同志社大) Doshisha University (略称： Doshisha Univ) |
| 第4著者 氏名（和/英/ヨミ） | 程 俊 / Jun Cheng / テイ シュン |
| 第4著者 所属（和/英） | 同志社大学 (略称： 同志社大) Doshisha University (略称： Doshisha Univ) |
| 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： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2022-03-04 15:55:00 |
| 発表時間 | 25分 |
| 申込先研究会 | CS |
| 資料番号 | CAS2021-99, CS2021-101 |
| 巻番号（vol） | vol.121 |
| 号番号（no） | no.394(CAS), no.395(CS) |
| ページ範囲 | pp.136-140 |
| ページ数 | 5 |
| 発行日 | 2022-02-24 (CAS, CS) |
[研究会発表申込システムのトップページに戻る]