| 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 | 2024-07-30 15:35 階層型連合学習におけるネットワーク負荷低減のためのモデルパラメータ集約手法 ○中村昂平・福島行信（岡山大）・樽谷優弥（阪大）・横平徳美（岡山大）  IN2024-32 |
|
| 抄録 | （和） | データを集約・共有することなく機械学習に利用できる技術として連合学習が注目を集めている．しかし，連合学習では中央サーバとクライアントとの間でのモデルパラメータ集約のための通信に伴うネットワーク負荷の増大が課題となる．この課題に対して，エッジサーバを介したモデルパラメータ集約によりネットワーク負荷を低減する階層型連合学習システムが提案されているが，中央サーバとエッジサーバとの間での通信は個別に発生しており，さらなるネットワーク負荷低減の余地がある．本稿では，階層型連合学習においてネットワーク負荷を低減するためのモデルパラメータ集約手法を提案する．提案手法では，近接中心性を用いて選択されたエッジサーバに中央サーバの役割を担わせること，および，最小スパニングツリーに沿ってモデルパラメータを集約する際に途中のエッジサーバでモデルパラメータを統合することによりネットワーク負荷の低減を図る．シミュレーション評価の結果，提案手法はネットワーク負荷の低減に有効であることがわかった． |
| （英） | Federated learning has attracted attention as a technology that can be used for machine learning without data aggregation and sharing. In federated learning, however, communications for aggregating model parameters among a central server and clients can cause heavy network load. To cope with this problem, hierarchical federative learning systems, which mitigate the network load by model parameters aggregation via edge servers, have been proposed. In the systems, however, communications between a central server and the edge servers occur separately, which leaves room for further reducing the network load. In this paper, we propose a model parameter aggregation method to reduce the network load in hierarchical federative learning systems. Our proposed method reduces the network load 1) by selecting the edge server with the maximum closeness centrality as the central server and 2) by integrating the multiple model parameters into a single model parameter at the edge servers when aggregating the model parameters along the minimum spanning tree. Simulation results show that our proposed method is effective in reducing the network load. | |
| キーワード | （和） | 連合学習 / エッジコンピューティング / 階層型連合学習 / モデルパラメータ集約 / / / / |
| （英） | Federated Learning / Edge Computing / Hierarchical Federated Learning / Model Parameter Aggregation / / / / | |
| 文献情報 | 信学技報, vol. 124, no. 139, IN2024-32, pp. 130-135, 2024年7月. | |
| 資料番号 | IN2024-32 | |
| 発行日 | 2024-07-22 (IN) | |
| 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 | IN2024-32 |
|
| 研究会情報 | |
| 研究会 | IN CCS |
| 開催期間 | 2024-07-29 - 2024-07-30 |
| 開催地（和） | モエレ沼公園 ガラスのピラミッド（北海道札幌市） |
| 開催地（英） | Moerenuma Park Glass Pyramid |
| テーマ（和） | ネットワークの科学、将来ネットワーク 、クラウド/SDN/仮想化、コンテンツ配信・流通、及び一般 |
| テーマ（英） | Network Science, Future Network, Cloud/SDN/Virtualization, Contents Delivery/Contents Exchange, and others |
| 講演論文情報の詳細 | |
| 申込み研究会 | IN |
| 会議コード | 2024-07-IN-CCS |
| 本文の言語 | 日本語 |
| タイトル（和） | 階層型連合学習におけるネットワーク負荷低減のためのモデルパラメータ集約手法 |
| サブタイトル（和） | |
| タイトル（英） | Model Parameter Aggregation Method for Reducing Network Load in Hierarchical 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） | エッジコンピューティング / Edge Computing |
| キーワード(3)（和/英） | 階層型連合学習 / Hierarchical Federated Learning |
| キーワード(4)（和/英） | モデルパラメータ集約 / Model Parameter Aggregation |
| 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） | 中村 昂平 / Kouhei Nakamura / ナカムラ コウヘイ |
| 第1著者 所属（和/英） | 岡山大学 (略称： 岡山大) Okayama University (略称： Okayama Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 福島 行信 / Yukinobu Fukushima / フクシマ ユキノブ |
| 第2著者 所属（和/英） | 岡山大学 (略称： 岡山大) Okayama University (略称： Okayama Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 樽谷 優弥 / Yuya Tarutani / タルタニ ユウヤ |
| 第3著者 所属（和/英） | 大阪大学 (略称： 阪大) Osaka University (略称： Osaka Univ.) |
| 第4著者 氏名（和/英/ヨミ） | 横平 徳美 / Tokumi Yokohira / ヨコヒラ トクミ |
| 第4著者 所属（和/英） | 岡山大学 (略称： 岡山大) Okayama University (略称： Okayama Univ.) |
| 講演者 | 第1著者 |
| 発表日時 | 2024-07-30 15:35:00 |
| 発表時間 | 25分 |
| 申込先研究会 | IN |
| 資料番号 | IN2024-32 |
| 巻番号（vol） | vol.124 |
| 号番号（no） | no.139 |
| ページ範囲 | pp.130-135 |
| ページ数 | 6 |
| 発行日 | 2024-07-22 (IN) |
[研究会発表申込システムのトップページに戻る]