| 講演抄録／キーワード |
| 講演名 |
2024-11-11 13:20
［ポスター講演］Vehicular Federated Learningにおけるパラメータ集約タイミング制御手法
○小野翔多・中尾彰宏（東大） |
| 抄録 |
（和） |
自動運転システムは，学習プロセスにおいてプライバシや大量のデータ処理に関する課題がある．Vehicular Federated Learning（VFL）は，プライバシ保護やデータ伝送量の削減によりこれらの課題に対応できる．しかし，従来のVFLでは，クライアントの移動やRoadside Unit（RSU）のタイムアウトといった実環境における要素が考慮されていないという課題がある．クライアントがRSUの通信範囲外に移動すると，学習モデルの更新が途切れ，学習効率が低下する．本稿では，VFLにおけるクライアントの学習モデルの勾配送信を最適化するパラメータ集約タイミング制御手法を提案する．提案手法はRSUのタイムアウトやクライアントの移動に関係なく勾配の集約を可能にし，クライアントが計算を完了していなくても，RSUの通信範囲を離れる前に勾配を送信できる．また，生データを送信する場合と比較して，伝送量を約124分の1に削減し，学習効率を倍増させる．この結果は，現実の環境で自動運転システムを利用する上での有用性を示している． |
| （英） |
Autonomous driving systems encounter challenges related to privacy and the handling of large amounts of data during the learning process. Vehicular Federated Learning (VFL) addresses these challenges by privacy protection and reducing data transmission volume. However, conventional VFL methods do not consider real-world factors such as client mobility and Roadside Unit (RSU) timeouts. When clients move out of the RSU‘s coverage, model updates are interrupted, and learning efficiency decreases. This paper proposes the Adaptive Timing Control method to optimize the transmission of client model gradients in VFL. The proposed method enables gradient aggregation regardless of RSU timeouts or client movement. Clients can upload gradients before leaving the RSU’s coverage, even if the learning process is not completed. The proposed method reduces transmission volume by approximately 124 times compared to sending raw data and doubles learning efficiency. These results demonstrate the effectiveness of the proposed method in autonomous driving systems in real-world environments. |
| キーワード |
（和） |
連合学習 / パラメータ集約タイミング / モビリティサービス / / / / / |
| （英） |
Federated learning / Parameter aggregation timing / Mobility service / / / / / |
| 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 |
2024-11-11 - 2024-11-12 |
| 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 |
2024-11-RISING |
| 本文の言語 |
日本語 |
| タイトル（和） |
Vehicular Federated Learningにおけるパラメータ集約タイミング制御手法 |
| サブタイトル（和） |
|
| タイトル（英） |
Parameter Aggregation Timing Control in Vehicular 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） |
パラメータ集約タイミング / Parameter aggregation timing |
| キーワード(3)（和/英） |
モビリティサービス / Mobility service |
| 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） |
小野 翔多 / Shota Ono / オノ ショウタ |
| 第1著者 所属（和/英） |
東京大学 (略称： 東大)
The University of Tokyo (略称： The Univ. of Tokyo) |
| 第2著者 氏名（和/英/ヨミ） |
中尾 彰宏 / Akihiro Nakao / ナカオ アキヒロ |
| 第2著者 所属（和/英） |
東京大学 (略称： 東大)
The University of Tokyo (略称： The Univ. of Tokyo) |
| 第3著者 氏名（和/英/ヨミ） |
/ / |
| 第3著者 所属（和/英） |
(略称： )
(略称： ) |
| 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 |
2024-11-11 13:20:00 |
| 発表時間 |
50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 |
|