| 講演抄録／キーワード |
| 講演名 |
2023-10-31 10:45
［ポスター講演］連合学習を用いた釣果予測のための社会余剰最適化問題の定式化
○北野翔太郎・宮越奨太・橘 拓至（福井大） |
| 抄録 |
（和） |
各クライアントがスマートフォンのような IoT デバイスで参加するクロスデバイス連合学習では，多数のユーザが連合学習に参加することで多様なデータで学習できる．さらに, 各クライアントは学習データを内部でのみ使用しており, 学習済みのパラメータのみを共有することで, プライバシ保護や通信コストの削減を行うことができる. 現在，釣果予測のために連合学習を導入することが検討されている．この連合学習では，多様なデータを保持するユーザが多数参加することで予測精度の向上が期待できる．本稿では，釣果予測を行うクロスデバイス連合学習において，連合学習の学習精度向上に向けたインセンティブメカニズムのために社会的余剰最適化問題を定式化する．最適化問題では，参加者及び管理者のの利得およびコストを基に社会的余剰を最大化するトレーニングラウンド数を決定する. 数値例において，最適化問題のパラメータが社会的余剰に与える影響について調査する． |
| （英） |
In cross-device federative learning, where each client participates with an IoT device such as a smartphone, a large number of users participate in federative learning to learn with a variety of data. Each client uses the training data and shares only the learned parameters, thus protecting privacy and reducing communication costs. Currently, coalition learning is being considered for fishing forecasting. In this coalition learning, the prediction accuracy is expected to be improved by the participation of a large number of users with diverse data. In this paper, we formulate a social surplus optimization problem an incentive mechanism for improving the learning accuracy of coalition learning in cross-device coalition learning for fishing prediction. In the optimization problem, the number of training rounds that maximizes the social surplus based on participants' and operator's gains and costs. We investigate the impact of changing the parameters in the formulation on numerical examples.
end{eabstract} |
| キーワード |
（和） |
連合学習 / 釣果予測 / 最適化問題 / 社会余剰最大化問題 / / / / |
| （英） |
Federated learning / Fishing predictions / Optimization problem / Social surplus maximization problem / / / / |
| 文献情報 |
信学技報 |
| 資料番号 |
|
| 発行日 |
|
| ISSN |
|
| PDFダウンロード |
|
| 研究会情報 |
| 研究会 |
RISING |
| 開催期間 |
2023-10-30 - 2023-10-31 |
| 開催地（和） |
北海道立道民活動センター かでる2・7 |
| 開催地（英） |
Kaderu 2・7 (Sapporo) |
| テーマ（和） |
超知性通信ネットワークに関する研究，一般 |
| テーマ（英） |
Cross-Field Research Association of Super-Intelligent Networking |
| 講演論文情報の詳細 |
| 申込み研究会 |
RISING |
| 会議コード |
2023-10-RISING |
| 本文の言語 |
日本語 |
| タイトル（和） |
連合学習を用いた釣果予測のための社会余剰最適化問題の定式化 |
| サブタイトル（和） |
|
| タイトル（英） |
Formulation of a Social Surplus Optimization Problem for Predicting Fishing Outcomes Using Federated Learning |
| サブタイトル（英） |
|
| キーワード(1)（和/英） |
連合学習 / Federated learning |
| キーワード(2)（和/英） |
釣果予測 / Fishing predictions |
| キーワード(3)（和/英） |
最適化問題 / Optimization problem |
| キーワード(4)（和/英） |
社会余剰最大化問題 / Social surplus maximization problem |
| 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） |
北野 翔太郎 / Shotaro Kitano / キタノ ショウタロウ |
| 第1著者 所属（和/英） |
福井大学 (略称： 福井大)
Univercity of Fukui (略称： Univ. Fukui) |
| 第2著者 氏名（和/英/ヨミ） |
宮越 奨太 / Shota Miyagoshi / ミヤゴシ ショウタ |
| 第2著者 所属（和/英） |
福井大学 (略称： 福井大)
Univercity of Fukui (略称： Univ. Fukui) |
| 第3著者 氏名（和/英/ヨミ） |
橘 拓至 / Takuji Tachibana / タチバナ タクジ |
| 第3著者 所属（和/英） |
福井大学 (略称： 福井大)
Univercity of Fukui (略称： Univ. Fukui) |
| 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 |
2023-10-31 10:45:00 |
| 発表時間 |
45分 |
| 申込先研究会 |
RISING |
| 資料番号 |
|
| 巻番号（vol） |
vol. |
| 号番号（no） |
|
| ページ範囲 |
|
| ページ数 |
|
| 発行日 |
|