| 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 | 2022-10-05 17:05 ［依頼講演］連合学習における蒸留を用いた処理負荷と通信量の削減 ○矢島大路・三好 匠・山崎 託（芝浦工大）・小野翔多（東大）  NS2022-87 |
|
| 抄録 | （和） | 近年，機械学習は大量のデータから規則性を見つけ出したり，将来の結果を予測したりなど，様々な場面で利用されている．現在の機械学習は，データをサーバなどに一極集中させて学習を行うのが一般的である．しかし，機械学習におけるデータの急激な増大により，サーバですべての処理を行う従来の機械学習は困難となっている．サーバへの集中負荷を避けるため，連合学習のような分散機械学習が注目されているが，機械学習には膨大な計算が必要とされるため，性能の低いデバイスを用いて連合学習を行うことは困難である．本稿では，連合学習における蒸留を用いた処理負荷と通信量の削減手法を提案する． |
| （英） | In recent years, machine learning has been used in many cases to discover the rules or to predict future results from a large amount of data. Although current machine learning commonly aggregates data centrally on a server, the drastic increase in the data for machine learning makes it difficult to calculate on a single server. Therefore, distributed machine learning such as federated learning has been attracting attention to avoid the concentrated load on the server. Nevertheless, since the process of machine learning requires a huge amount of computation, it is difficult to perform federated learning process on small devices. This paper proposes a method to reduce device processing load and communication overhead by distillation in federated learning. | |
| キーワード | （和） | 機械学習 / 連合学習 / 蒸留 / 処理負荷 / 通信量 / / / |
| （英） | Machine learning / Federated learning / Distillation / Processing load / Communication overhead / / / | |
| 文献情報 | 信学技報, vol. 122, no. 198, NS2022-87, pp. 29-32, 2022年10月. | |
| 資料番号 | NS2022-87 | |
| 発行日 | 2022-09-28 (NS) | |
| 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 | NS2022-87 |
|
| 研究会情報 | |
| 研究会 | NS |
| 開催期間 | 2022-10-05 - 2022-10-07 |
| 開催地（和） | 北海道大学 + オンライン開催 |
| 開催地（英） | Hokkaidou University + Online |
| テーマ（和） | ネットワークアーキテクチャ(オーバレイ、P2P、ユビキタスNW、スケールフリーNW、アクティブNW、NGN・新世代NW、IoT、エッジコンピューティング)、次世代パケットトランスポート(高速Ethernet、IP over WDM、マルチサービスパケット技術、MPLS)、グリッド、一般 |
| テーマ（英） | Network architecture (5G, Local 5G, Beyond5G, Mobile networks, Ad-hoc and sensor networks, Overlay and P2P networks, Programmable networks, SDN/NFV, IoT, Network slicing), Next generation packet transport (High speed Ethernet, IP over WDM, Multi-service package technology, MPLS), Grid, etc. |
| 講演論文情報の詳細 | |
| 申込み研究会 | NS |
| 会議コード | 2022-10-NS |
| 本文の言語 | 日本語 |
| タイトル（和） | 連合学習における蒸留を用いた処理負荷と通信量の削減 |
| サブタイトル（和） | |
| タイトル（英） | Reducing Device Processing Load and Communication Overhead by Distillation in Federated Learning |
| 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） | 連合学習 / Federated learning |
| キーワード(3)（和/英） | 蒸留 / Distillation |
| キーワード(4)（和/英） | 処理負荷 / Processing load |
| キーワード(5)（和/英） | 通信量 / Communication overhead |
| 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） | 矢島 大路 / Hiromichi Yajima / ヤジマ ヒロミチ |
| 第1著者 所属（和/英） | 芝浦工業大学 (略称： 芝浦工大) Shibaura Institute of Technology (略称： Shibaura Inst. of Tech.) |
| 第2著者 氏名（和/英/ヨミ） | 三好 匠 / Takumi Miyoshi / ミヨシ タクミ |
| 第2著者 所属（和/英） | 芝浦工業大学 (略称： 芝浦工大) Shibaura Institute of Technology (略称： Shibaura Inst. of Tech.) |
| 第3著者 氏名（和/英/ヨミ） | 山崎 託 / Taku Yamazaki / ヤマザキ タク |
| 第3著者 所属（和/英） | 芝浦工業大学 (略称： 芝浦工大) Shibaura Institute of Technology (略称： Shibaura Inst. of Tech.) |
| 第4著者 氏名（和/英/ヨミ） | 小野 翔多 / Shota Ono / オノ ショウタ |
| 第4著者 所属（和/英） | 東京大学 (略称： 東大) The University of Tokyo (略称： The Univ. of Tokyo) |
| 講演者 | 第1著者 |
| 発表日時 | 2022-10-05 17:05:00 |
| 発表時間 | 25分 |
| 申込先研究会 | NS |
| 資料番号 | NS2022-87 |
| 巻番号（vol） | vol.122 |
| 号番号（no） | no.198 |
| ページ範囲 | pp.29-32 |
| ページ数 | 4 |
| 発行日 | 2022-09-28 (NS) |
[研究会発表申込システムのトップページに戻る]