文献

J-GLOBAL ID：202202236980243407   整理番号：22A1163678

LEO衛星配置における地上支援連合学習【JST・京大機械翻訳】

Ground-Assisted Federated Learning in LEO Satellite Constellations

著者 (4件)： Razmi Nasrin (Gauss-Olbers Center and the Department of Communications Engineering, University of Bremen, Bremen, Germany) ,  Matthiesen Bho (Gauss-Olbers Center and the Department of Communications Engineering, University of Bremen, Bremen, Germany) ,  Dekorsy Armin (Gauss-Olbers Center and the Department of Communications Engineering, University of Bremen, Bremen, Germany) ,  Popovski Petar (Department of Electronic Systems, Aalborg University, Aalborg, Denmark)
資料名： IEEE Wireless Communications Letters  (IEEE Wireless Communications Letters)
巻： 11  号： 4  ページ： 717-721  発行年： 2022年 
JST資料番号： W2307A  ISSN： 2162-2337  CODEN： IWCLAF  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 低地球軌道(LEO)メガ配置では,衛星イメージングに基づく推論のような適切な使用事例があり,その中で,多数の衛星は,それらのローカルデータセットを共有せずに機械学習モデルを協調的に訓練する。この問題に取り組むために,著者らは,最先端技術よりも不均一シナリオに対してより良いロバスト性を示すFedAvgに基づく新しい非同期FL手順を含む,フェドレーション学習(FL)に基づく新しいアルゴリズムを提案した。MNISTとCIFAR-10データセットに基づく大規模な数値評価は,提案方法の高速収束速度と優れた漸近試験精度を強調する。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  *学習 ,  画像処理 ,  ロバスト性 ,  機械学習
準シソーラス用語： 連合学習 ,  収束速度 ,  LEO衛星 ,  最先端技術 ,  地球軌道 , 【Automatic Indexing@JST】

分類 (1件)： 宇宙通信  (ND08040S)

タイトルに関連する用語 (4件)： LEO衛星 ,  地上 ,  支援 ,  学習