| 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 | 2026-03-04 11:10 階層型連合学習におけるクライアントクラスタリングの拡張とNon-IID環境下での性能評価 ○岩田寛大（芝浦工大）・小野翔多（東大）・山崎 託・三好 匠（芝浦工大）  NS2025-223 |
|
| 抄録 | （和） | 連合学習は，データを中央へ集約せずに学習できる一方で，クライアント間のデータ分布が異なるNon-IID環境では精度と収束速度が低下しやすい．本稿では，クライアントクラスタリングを用いた階層型連合学習を基盤に，データ分布の時系列変化と，単一クライアントが複数の分布を混合的にもつ状況への対応を検討する．提案手法として，複数クラスタへの同時所属を許容するソフトクラスタリングを導入し，各クライアントがどのクラスタにどの程度属するかを表す度合い（所属度）に基づく重み付け集約を行う．評価の結果，クライアントのデータ分布が遷移した際に再クラスタリングを行うことで，分布遷移後の精度回復性能が改善することが分かった．また，ソフトクラスタリングを用いることで，学習初期の約40ラウンドまでの安定性が向上した．更に，所属度を用いて2つ以上のクラスタに確率的に所属する場合と，閾値により所属の可否を判定する場合の双方でクラスタ所属の鋭さを制御するパラメータの感度を比較し，学習性能を維持するためには適切なパラメータ設定が必要であることを確認した． |
| （英） | Federated learning enables training without centralizing data, but accuracy and convergence speed tend to degrade under non-IID environments where data distributions differ across clients. In this paper, we build on hierarchical federated learning with client clustering and investigate how to handle temporal changes in data distributions and the case where individual clients hold data spanning multiple distribution characteristics. As our proposed method, we introduce soft clustering that allows simultaneous membership in multiple clusters and applies weighted aggregation based on the degree to which each client belongs to each cluster (membership degree). Experimental results show that performing reclustering when client data distributions shift improves post-shift accuracy recovery. In addition, soft clustering improves training stability through approximately the first forty rounds. We further compare the sensitivity of a parameter controlling the sharpness of cluster membership under both a setting where clients belong to multiple clusters with continuous membership degrees and a setting where membership is binarized by a threshold, confirming that appropriate parameter settings are necessary to maintain learning performance. | |
| キーワード | （和） | 連合学習 / 階層型連合学習 / Non-IID / クライアントクラスタリング / ソフトクラスタリング / / / |
| （英） | Federated learning / Hierarchical federated learning / Non-IID / Client clustering / Soft clustering / / / | |
| 文献情報 | 信学技報, vol. 125, no. 385, NS2025-223, pp. 13-18, 2026年3月. | |
| 資料番号 | NS2025-223 | |
| 発行日 | 2026-02-25 (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 | NS2025-223 |
|
| 研究会情報 | |
| 研究会 | IN NS |
| 開催期間 | 2026-03-04 - 2026-03-06 |
| 開催地（和） | 沖縄県市町村自治会館 |
| 開催地（英） | Okinawa-Ken Shichoson Jichi Kaikan |
| テーマ（和） | 一般 |
| テーマ（英） | General |
| 講演論文情報の詳細 | |
| 申込み研究会 | NS |
| 会議コード | 2026-03-IN-NS |
| 本文の言語 | 日本語 |
| タイトル（和） | 階層型連合学習におけるクライアントクラスタリングの拡張とNon-IID環境下での性能評価 |
| サブタイトル（和） | |
| タイトル（英） | Extension of Client Clustering in Hierarchical Federated Learning and Its Performance Evaluation under Non-IID Environments |
| 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） | 階層型連合学習 / Hierarchical federated learning |
| キーワード(3)（和/英） | Non-IID / Non-IID |
| キーワード(4)（和/英） | クライアントクラスタリング / Client clustering |
| キーワード(5)（和/英） | ソフトクラスタリング / Soft clustering |
| 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) The 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 (略称： 芝浦工大) Shibaura Institute of Technology (略称： SIT) |
| 講演者 | 第1著者 |
| 発表日時 | 2026-03-04 11:10:00 |
| 発表時間 | 25分 |
| 申込先研究会 | NS |
| 資料番号 | NS2025-223 |
| 巻番号（vol） | vol.125 |
| 号番号（no） | no.385 |
| ページ範囲 | pp.13-18 |
| ページ数 | 6 |
| 発行日 | 2026-02-25 (NS) |
[研究会発表申込システムのトップページに戻る]