| 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 | 2022-12-13 11:05 ネットワークトポロジが分散型オンラインカーネル学習の効率性に与える影響 ○高森洸希・江見太一・ハン ネー アウン・後藤啓大・大崎博之（関西学院大）  IA2022-58 |
|
| 抄録 | （和） | ネットワーク上に分散したそれぞれのノードにおいて観測した非線形データから、それらのデータを一箇所に集約することなく、非線形モデルのパラメータ推定を行う分散学習が注目を浴びている。特に、ランダムフーリエ特徴を用いてカーネル関数を近似することにより、 分散かつオンラインでの非線形学習が可能となる。これまで Bouboulis らは、ランダムフーリエ特徴を用いた、分散型オンラインカーネル学習アルゴリズム RFF-DOKL (Random Fourier Features Distributed Online Kernel-based Learning) を提案している。その一方、ネットワークトポロジが RFF-DOKL の効率性に与える影響はこれまで十分に明らかにされていない。 そこで本稿では、ネットワークトポロジによって、分散型オンラインカーネル学習アルゴリズム RFF-DOKL の効率性がどのような影響を受けるかを実験により調査する。具体的には、ノード数が等しい 4 種類のネットワークトポロジ (直列・リング・スター・メッシュ) 上において、ガウスカーネルを用いた RFF-DOKL により、非線形関数の分散オンライン学習を行った時の、総通信量とモデルの精度の関係を実験により分析する。 |
| （英） | Distributed learning, which estimates the parameters of a nonlinear model from nonlinear data observed at each distributed node in a network without aggregating the data at a single location, has been attracting attention. In particular, by approximating the kernel function using random Fourier features distributed and online nonlinear learning. Bouboulis et al. have proposed a distributed online kernel-based learning algorithm RFF-DOKL (Random Fourier Features Distributed Online Kernel-based Learning) using random Fourier features. On the other hand, the effect of network topology on the efficiency of RFF-DOKL has not been fully clarified. In this paper, we experimentally investigate the effect of network topology on the efficiency of RFF-DOKL, distributed online kernel-based learning algorithm. Specifically, we experimentally analyze the relationship between total traffic and model accuracy when distributed online learning of nonlinear functions is performed using RFF-DOKL with Gaussian kernels on four different network topologies (series, ring, star, and mesh) with the same number of nodes. |
|
| キーワード | （和） | ランダムフーリエ特徴 / RFF-DOKL (Random Fourier Features Distributed Online Kernel-based Learning) / カーネル学習 / 分散学習 / ネットワークトポロジ / / / |
| （英） | RFF (Random Fourier Features) / RFF-DOKL (Random Fourier Features Distributed Online Kernel-based Learning) / Kernel-based Learning / Distributed Learning / Network Topology / / / | |
| 文献情報 | 信学技報, vol. 122, no. 306, IA2022-58, pp. 56-59, 2022年12月. | |
| 資料番号 | IA2022-58 | |
| 発行日 | 2022-12-05 (IA) | |
| 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 | IA2022-58 |
|
| 研究会情報 | |
| 研究会 | IN IA |
| 開催期間 | 2022-12-12 - 2022-12-13 |
| 開催地（和） | 広島大学 東千田キャンパス 未来創生センター |
| 開催地（英） | Higashi-Senda campus, Hiroshima Univ. |
| テーマ（和） | 性能評価とシミュレーション、信頼性技術、スループットやトラヒックの計測、品質(QoS)制御、輻輳制御、トラヒック・フロー制御、オーバーレイネットワーク・P2P、IPv6 、マルチキャスト、ルーティング、DDoS及び一般※※※ 本研究会の2日目は情報指向ネットワーク技術特別研究会(ICN)とも併催です※※※ |
| テーマ（英） | Performance Analysis and Simulation, Robustness, Traffic and Throughput Measurement, Quality of Service (QoS) Control, Congestion Control, Overlay Network/P2P, IPv6, Multicast, Routing, DDoS, etc. |
| 講演論文情報の詳細 | |
| 申込み研究会 | IA |
| 会議コード | 2022-12-IN-IA |
| 本文の言語 | 日本語 |
| タイトル（和） | ネットワークトポロジが分散型オンラインカーネル学習の効率性に与える影響 |
| サブタイトル（和） | |
| タイトル（英） | A Study On the Impact of Network Topology on the Efficiency of Distributed Online Kernel Learning |
| サブタイトル（英） | |
| キーワード(1)（和/英） | ランダムフーリエ特徴 / RFF (Random Fourier Features) |
| キーワード(2)（和/英） | RFF-DOKL (Random Fourier Features Distributed Online Kernel-based Learning) / RFF-DOKL (Random Fourier Features Distributed Online Kernel-based Learning) |
| キーワード(3)（和/英） | カーネル学習 / Kernel-based Learning |
| キーワード(4)（和/英） | 分散学習 / Distributed Learning |
| キーワード(5)（和/英） | ネットワークトポロジ / Network Topology |
| 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） | 高森 洸希 / Koki Takamori / タカモリ コウキ |
| 第1著者 所属（和/英） | 関西学院大学 (略称： 関西学院大) Kwaisei Gakuin University (略称： Kwansei Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 江見 太一 / Taichi Emi / エミ タイチ |
| 第2著者 所属（和/英） | 関西学院大学 (略称： 関西学院大) Kwaisei Gakuin University (略称： Kwansei Univ.) |
| 第3著者 氏名（和/英/ヨミ） | ハン ネー アウン / Han Nay Aung / ハン ネー アウン |
| 第3著者 所属（和/英） | 関西学院大学 (略称： 関西学院大) Kwaisei Gakuin University (略称： Kwansei Univ.) |
| 第4著者 氏名（和/英/ヨミ） | 後藤 啓大 / Keita Goto / ゴトウ ケイタ |
| 第4著者 所属（和/英） | 関西学院大学 (略称： 関西学院大) Kwaisei Gakuin University (略称： Kwansei Univ.) |
| 第5著者 氏名（和/英/ヨミ） | 大崎 博之 / Hiroyuki Ohsaki / オオサキ ヒロユキ |
| 第5著者 所属（和/英） | 関西学院大学 (略称： 関西学院大) Kwaisei Gakuin University (略称： Kwansei Univ.) |
| 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 | 2022-12-13 11:05:00 |
| 発表時間 | 25分 |
| 申込先研究会 | IA |
| 資料番号 | IA2022-58 |
| 巻番号（vol） | vol.122 |
| 号番号（no） | no.306 |
| ページ範囲 | pp.56-59 |
| ページ数 | 4 |
| 発行日 | 2022-12-05 (IA) |
[研究会発表申込システムのトップページに戻る]