| 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 | 2026-07-23 09:00 ［ポスター講演］Non-IID環境下における連合学習を用いた屋内位置推定の学習安定性比較評価 ○石川修也・朝香卓也（都立大）  CQ2026-43 |
|
| 抄録 | （和） | フィンガープリント（fingerprint：FP）方式の屋内位置推定は学習データの中央集約によるプライバシー漏洩が課題である．連合学習はこれを回避するが，クライアント間のデータが非独立同一分布（Non-IID）の場合に学習が不安定化する．Non-IID対応手法は複数あるが，屋内位置推定で同一条件下に体系比較した例は見られない．本研究では公開Wi-Fi FPデータセットを用い，FedAvgとNon-IID対応の改良5手法の計6手法を，位置推定精度・収束速度・学習安定性の観点で比較評価した．その結果，勾配情報に基づき学習率を適応させる適応的最適化手法がFedAvgを総じて上回り，FedAdamは精度・収束で最良だが学習過程の安定性に課題があり，FedYogiは測位誤差（Root Mean Square Error：RMSE）が最小かつ収束も良好で総合的に最も優れた． |
| （英） | Fingerprint (FP) based indoor positioning requires aggregating users' location data at a central server, raising privacy concerns. Federated learning (FL) avoids this, but its training becomes unstable when client data distributions are non-independent and identically distributed (Non-IID). Although several Non-IID-oriented FL methods exist, none have been systematically compared for indoor positioning under a unified setting. Using a public Wi-Fi FP dataset, we evaluate six methods, FedAvg and five Non-IID-oriented variants, in terms of positioning accuracy, convergence speed, and stability. Adaptive optimization methods generally outperform FedAvg; FedAdam attains the best accuracy and fastest convergence but exhibits less stable learning dynamics, whereas FedYogi achieves the smallest positioning error with good convergence, offering the best overall balance. | |
| キーワード | （和） | 屋内位置推定 / 連合学習 / Non-IID / フィンガープリント / プライバシー保護 / 深層学習 / / |
| （英） | Indoor localization / Federated learning / Non-IID / Fingerprinting / Privacy preservation / Deep learning / / | |
| 文献情報 | 信学技報, vol. 126, no. 121, CQ2026-43, pp. 156-161, 2026年7月. | |
| 資料番号 | CQ2026-43 | |
| 発行日 | 2026-07-14 (CQ) | |
| 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 | CQ2026-43 |
|
| 研究会情報 | |
| 研究会 | CQ |
| 開催期間 | 2026-07-21 - 2026-07-23 |
| 開催地（和） | イーフ情報プラザ |
| 開催地（英） | Eef Jouhou Plaza |
| テーマ（和） | ネットワーク性能、仮想空間/メタバース、グラフ解析、ゲーム理論、機械学習、インタラクション、ソーシャルメディア、一般 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | CQ |
| 会議コード | 2026-07-CQ |
| 本文の言語 | 日本語 |
| タイトル（和） | Non-IID環境下における連合学習を用いた屋内位置推定の学習安定性比較評価 |
| サブタイトル（和） | |
| タイトル（英） | Comparative Evaluation of Training Stability for Federated Learning-Based Indoor Localization under Non-IID Conditions |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 屋内位置推定 / Indoor localization |
| キーワード(2)（和/英） | 連合学習 / Federated learning |
| キーワード(3)（和/英） | Non-IID / Non-IID |
| キーワード(4)（和/英） | フィンガープリント / Fingerprinting |
| キーワード(5)（和/英） | プライバシー保護 / Privacy preservation |
| キーワード(6)（和/英） | 深層学習 / Deep learning |
| 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） | 石川 修也 / Shuya Ishikawa / イシカワ シュウヤ |
| 第1著者 所属（和/英） | 東京都立大学 (略称： 都立大) Tokyo Metropolitan University (略称： TMU) |
| 第2著者 氏名（和/英/ヨミ） | 朝香 卓也 / Takuya Asaka / アサカ タクヤ |
| 第2著者 所属（和/英） | 東京都立大学 (略称： 都立大) Tokyo Metropolitan University (略称： TMU) |
| 講演者 | 第1著者 |
| 発表日時 | 2026-07-23 09:00:00 |
| 発表時間 | 60分 |
| 申込先研究会 | CQ |
| 資料番号 | CQ2026-43 |
| 巻番号（vol） | vol.126 |
| 号番号（no） | no.121 |
| ページ範囲 | pp.156-161 |
| ページ数 | 6 |
| 発行日 | 2026-07-14 (CQ) |
[研究会発表申込システムのトップページに戻る]