| 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 | 2024-07-17 10:00 ［ショートペーパー］ランダムウォークSGDによる故障耐性のある分散連合機械学習の検討 ○富増佑太・佐藤光哉（電通大）  SR2024-22 |
|
| 抄録 | （和） | ランダムウォーク確率的勾配降下法(RWSGD)は，通信効率に優れた分散連合機械学習を実現する最適化アルゴリズムの一つである．一方，学習ノードの故障によって学習全体に遅延が生じる恐れがある．本研究では，ノードの学習時間に対して箱ひげ図に基づく外れ値検出を行い，故障ノードの検知及び回避を行うRWSGDを検討する．画像認識タスクにおける性能評価より，ノードの故障による学習遅延を抑制可能であることを示す． |
| （英） | Random walk stochastic gradient descent (RWSGD) is an optimization algorithm for communication-efficient decentralized federated learning (DFL). Although it can reduce the communication overhead in the DFL, its delay performance is often affected by a failure of a training node. In this study, we propose an improved RWSGD, which detects and avoids failed nodes by using box-and-whisker diagram-based outlier detection for the computation time of nodes. Numerical results in an image classification task shows that our method can suppress training delays caused by node failures. | |
| キーワード | （和） | 連合機械学習 / 分散確率的勾配降下法 / 異常検知 / / / / / |
| （英） | Federated Learning / Decentralized Stochastic Gradient Descent / Anomaly Detection / / / / / | |
| 文献情報 | 信学技報, vol. 124, no. 108, SR2024-22, pp. 1-3, 2024年7月. | |
| 資料番号 | SR2024-22 | |
| 発行日 | 2024-07-10 (SR) | |
| 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 | SR2024-22 |
|
| 研究会情報 | |
| 研究会 | RCC RCS SeMI NS SR RISING |
| 開催期間 | 2024-07-17 - 2024-07-19 |
| 開催地（和） | かでる2・７（北海道立道民活動センター） |
| 開催地（英） | Hokkaido Citizens Activities Promotion Center |
| テーマ（和） | 高信頼制御通信,無線分散ネットワーク，M2M(Machine-to-Machine)，D2D(Device-to-Device)，一般 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | SR |
| 会議コード | 2024-07-RCC-RCS-SeMI-NS-SR-RISING |
| 本文の言語 | 日本語 |
| タイトル（和） | ランダムウォークSGDによる故障耐性のある分散連合機械学習の検討 |
| サブタイトル（和） | |
| タイトル（英） | A Study on Random Walk SGD for Fault-Tolerance Decentralized Federated Learning |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 連合機械学習 / Federated Learning |
| キーワード(2)（和/英） | 分散確率的勾配降下法 / Decentralized Stochastic Gradient Descent |
| キーワード(3)（和/英） | 異常検知 / Anomaly Detection |
| キーワード(4)（和/英） | / |
| 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） | 富増 佑太 / Yuta Tomimasu / トミマス ユウタ |
| 第1著者 所属（和/英） | 電気通信大学 (略称： 電通大) The University of Electro-Communications (略称： UEC) |
| 第2著者 氏名（和/英/ヨミ） | 佐藤 光哉 / Koya Sato / サトウ コウヤ |
| 第2著者 所属（和/英） | 電気通信大学 (略称： 電通大) The University of Electro-Communications (略称： UEC) |
| 講演者 | 第1著者 |
| 発表日時 | 2024-07-17 10:00:00 |
| 発表時間 | 15分 |
| 申込先研究会 | SR |
| 資料番号 | SR2024-22 |
| 巻番号（vol） | vol.124 |
| 号番号（no） | no.108 |
| ページ範囲 | pp.1-3 |
| ページ数 | 3 |
| 発行日 | 2024-07-10 (SR) |
[研究会発表申込システムのトップページに戻る]