文献

J-GLOBAL ID：202102268117175716   整理番号：21A3312485

転送学習に基づくIoTエッジデバイス上のDNNトレーニングの分散【JST・京大機械翻訳】

Distributing DNN training over IoT edge devices based on transfer learning

著者 (4件)： Tanghatari Ehsan (School of Electrical and Computer Engineering, University of Tehran, Iran) ,  Kamal Mehdi (School of Electrical and Computer Engineering, University of Tehran, Iran) ,  Afzali-Kusha Ali (School of Electrical and Computer Engineering, University of Tehran, Iran) ,  Pedram Massoud (Department of Electrical and Computer Engineering, University of Southern California, United States)
資料名： Neurocomputing  (Neurocomputing)
巻： 467  ページ： 56-65  発行年： 2022年 
JST資料番号： W0360A  ISSN： 0925-2312  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 本論文では,IoTエッジデバイスに深層ニューラルネットワーク(DNN)訓練を配布する手法を提案した。この手法は,エッジデバイス上のデータプライバシーを保護し,クラウドサーバ上の負荷を低減する。さらに,この技術は,クラウドとエッジデバイスの間の通信トラフィックを減らすかもしれない。エッジデバイスにおける利用可能な資源は限られているので,提案した方法では,クラウドにおける主ネットワークに基づくより小さなネットワークを生成するための発見的技法を提案する。次に,知識蒸留法を利用することによって,主要ネットワークの知識を,生成された小ネットワークに移した。このアプローチでは,異なるデータセットの下でのエッジデバイス上の小さなネットワークを訓練し,それらのパラメータのいくつかをクラウド上の主要ネットワークパラメータを更新するために集約した。このアプローチの有効性をいくつかの最先端のニューラルネットワークで評価した。結果は,この方式,データプライバシーを保存する価格が平均で,ネットワークがクラウド上で訓練された場合と比較して約3.5%の精度損失であり,エッジデバイスのすべてのデータセットが訓練のために利用可能であることを示した。Copyright 2021 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *学習 ,  ネットワーク ,  蒸留 ,  ニューラルネットワーク ,  有効性
準シソーラス用語： ネットワークパラメータ ,  *モノのインターネット ,  深層学習 ,  クラウドサーバ ,  ディープニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： IoT ,  エッジデバイス ,  深層学習 ,  知識蒸留 ,  データプライバシー

分類 (2件)： ニューロコンピュータ  (JC06010Q) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 転送 ,  学習 ,  IoT ,  エッジ ,  トレーニング