| 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 | 2024-10-10 13:00 非独立同分布データを考慮した階層型連合学習におけるクラスタリング精度が与える影響 ○岩田寛大（芝浦工大）・小野翔多（東大）・山崎 託（芝浦工大）・三好 匠（芝浦工大/東大）  NS2024-102 |
|
| 抄録 | （和） | 連合学習は，プライバシーを保護しながらも多くの訓練データを学習できる分散型の機械学習手法として注目を集めている．しかし，連合学習では，非独立同分布データにおいて精度や収束速度が低下する問題がある．この問題に対し，筆者らはクライアントクラスタリングを用いた階層型連合学習手法を提案している．これまでの実験結果として，提案手法は，従来の連合学習手法に対して高い精度と収束速度の向上を達成できることが分かっている．ただし，これらの実験では，クライアントのデータの偏りが変化した場合の検討や，クラスタリングの精度が低下した場合の検討が十分に行われているとは言えない．本稿では，クラスタサイズが変化した際，及びクライアントのクラスタリング精度が低下した際に，提案手法がどのような挙動を示すのかを調査分析した．実験の結果，提案手法は，クラスタリング精度に大きく影響されることが確認された． |
| （英） | Federated learning has gained attention as a decentralized machine learning method that enables training on large datasets while preserving privacy. However, federated learning faces challenges when applied to non-independent and identically distributed (non-IID) data, as it often suffers from reduced accuracy and slower convergence. To address this issue, we have proposed a hierarchical federated learning method that incorporates client clustering. Previous experimental results have shown that the proposed method achieves higher accuracy and faster convergence compared to traditional federated learning methods. However, these experiments were conducted with a single set of cluster sizes and under the assumption of ideal clustering. Further investigation is needed considering scenarios where the cluster size varies and client clustering is less accurate. In this paper, we investigate and analyze the behavior of the proposed method in these scenarios. The experimental results confirm that the proposed method is significantly affected by the quality of client clustering. | |
| キーワード | （和） | 機械学習 / 連合学習 / 非独立同分布 / クラスタリング / / / / |
| （英） | Machine learning / Federated learning / Non-IID / Clustering / / / / | |
| 文献情報 | 信学技報, vol. 124, no. 197, NS2024-102, pp. 64-68, 2024年10月. | |
| 資料番号 | NS2024-102 | |
| 発行日 | 2024-10-02 (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 | NS2024-102 |
|
| 研究会情報 | |
| 研究会 | NS |
| 開催期間 | 2024-10-09 - 2024-10-11 |
| 開催地（和） | 徳島大学 + オンライン開催 |
| 開催地（英） | Tokushima 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 | 2024-10-NS |
| 本文の言語 | 日本語 |
| タイトル（和） | 非独立同分布データを考慮した階層型連合学習におけるクラスタリング精度が与える影響 |
| サブタイトル（和） | |
| タイトル（英） | Impact of Clustering Accuracy on Hierarchical Federated Learning Considering Non-IID Data |
| 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） | 非独立同分布 / Non-IID |
| キーワード(4)（和/英） | クラスタリング / Clustering |
| 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） | 岩田 寛大 / Hiroto Iwata / イワタ ヒロト |
| 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： SIT) |
| 第2著者 氏名（和/英/ヨミ） | 小野 翔多 / Shota Ono / オノ ショウタ |
| 第2著者 所属（和/英） | 東京大学 (略称： 東大) University of Tokyo (略称： UT) |
| 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： SIT) |
| 第4著者 氏名（和/英/ヨミ） | 三好 匠 / Takumi Miyoshi / ミヨシ タクミ |
| 第4著者 所属（和/英） | 芝浦工業大学/東京大学 (略称： 芝浦工大/東大) Shibaura Institute of Technology/University of Tokyo (略称： SIT/UT) |
| 講演者 | 第1著者 |
| 発表日時 | 2024-10-10 13:00:00 |
| 発表時間 | 25分 |
| 申込先研究会 | NS |
| 資料番号 | NS2024-102 |
| 巻番号（vol） | vol.124 |
| 号番号（no） | no.197 |
| ページ範囲 | pp.64-68 |
| ページ数 | 5 |
| 発行日 | 2024-10-02 (NS) |
[研究会発表申込システムのトップページに戻る]