| 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 | 2025-01-31 15:20 ［ショートペーパー］分散型機械学習におけるハイブリッドモデル伝送の設計指針に関する初期検討 ○松村一冴・須藤克弥（電通大）  SR2024-90 |
|
| 抄録 | （和） | 分散型機械学習では，限られた無線資源におけるモデル伝送が要求される.解決策として，モデル圧縮や低送信電力での伝送が提案されているものの，いずれも受信したモデルパラメータに復元誤差が発生する.本稿では，無線資源利用の削減とモデルパラメータの復元誤差の軽減のため，量子化とディジタル変調を採用した SSCC(Separate Source-Channel Coding)方式および情報源・通信路深層結合符号と疑似アナログ変調を採用した DJSCC(Deep Joint Source-Channel Coding)方式を統合したハイブリッドモデル伝送を構想する.この初期検討として，計算機シミュレーションにより，SSCC方式で発生する量子化誤差と DJSCC方式で発生する復元誤差の評価を行う. |
| （英） | In distributed machine learning, transmitting models under limited wireless resources is essential. Existing solutions, such as model compression or transmit power restrictions, however, often introduce errors into the received model parameters. To address this issue, we envision a hybrid model transmission that integrates a separate source-channel coding (SSCC) scheme, employing model quantization and digital modulation, with a deep joint source-channel coding (DJSCC) scheme utilizing deep learning-based joint coding and pseudo-analog modulation. This approach aims to reduce errors as well as wireless resource utilization. In this study, we evaluate the quantization error introduced by SSCC and the reconstruction error induced by DJSCC through the computer simulation. | |
| キーワード | （和） | 分散型機械学習 / ハイブリッドモデル伝送 / 情報源・通信路深層結合符号 / 深層学習 / / / / |
| （英） | Distributed machine learning / Hybrid model transmission / Deep joint source-channel coding / Deep learning / / / / | |
| 文献情報 | 信学技報, vol. 124, no. 369, SR2024-90, pp. 106-108, 2025年1月. | |
| 資料番号 | SR2024-90 | |
| 発行日 | 2025-01-23 (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 | SR2024-90 |
|
| 研究会情報 | |
| 研究会 | SR |
| 開催期間 | 2025-01-30 - 2025-01-31 |
| 開催地（和） | サンポートホール⾼松 |
| 開催地（英） | Sunport Takamatsu |
| テーマ（和） | コグニティブ無線、周波数共用、異種無線融合型ネットワーク、SDN、機械学習応用、技術展示、一般 |
| テーマ（英） | Cognitive Radio, Dynamic Spectrum Sharing, Heterogeneous Network, SDN, AI/ML application |
| 講演論文情報の詳細 | |
| 申込み研究会 | SR |
| 会議コード | 2025-01-SR |
| 本文の言語 | 日本語 |
| タイトル（和） | 分散型機械学習におけるハイブリッドモデル伝送の設計指針に関する初期検討 |
| サブタイトル（和） | |
| タイトル（英） | A Study on Design Principle for Hybrid Model Transmission in Distributed Machine Learning |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 分散型機械学習 / Distributed machine learning |
| キーワード(2)（和/英） | ハイブリッドモデル伝送 / Hybrid model transmission |
| キーワード(3)（和/英） | 情報源・通信路深層結合符号 / Deep joint source-channel coding |
| キーワード(4)（和/英） | 深層学習 / Deep learning |
| 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） | 松村 一冴 / Issa Matsumura / マツムラ イッサ |
| 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） | 須藤 克弥 / Katsuya Suto / ストウ カツヤ |
| 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 | 2025-01-31 15:20:00 |
| 発表時間 | 15分 |
| 申込先研究会 | SR |
| 資料番号 | SR2024-90 |
| 巻番号（vol） | vol.124 |
| 号番号（no） | no.369 |
| ページ範囲 | pp.106-108 |
| ページ数 | 3 |
| 発行日 | 2025-01-23 (SR) |
[研究会発表申込システムのトップページに戻る]