文献

J-GLOBAL ID：202202265387699268   整理番号：22A0180017

不均衡データを持つIoT異種システムのための通信効率の良い階層的連合学習【JST・京大機械翻訳】

Communication-efficient hierarchical federated learning for IoT heterogeneous systems with imbalanced data

著者 (7件)： Abdellatif Alaa Awad (College of Engineering, Qatar University, Qatar) ,  Mhaisen Naram (College of Engineering, Qatar University, Qatar) ,  Mohamed Amr (College of Engineering, Qatar University, Qatar) ,  Erbad Aiman (College of Science and Engineering, Hamad Bin Khalifa University, Qatar) ,  Guizani Mohsen (College of Engineering, Qatar University, Qatar) ,  Dawy Zaher (Electrical and Computer Engineering Department, American University of Beirut, Lebanon) ,  Nasreddine Wassim (Department of Neurology, American University of Beirut, Lebanon)
資料名： Future Generation Computer Systems  (Future Generation Computer Systems)
巻： 128  ページ： 406-419  発行年： 2022年 
JST資料番号： A0620C  ISSN： 0167-739X  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： 連合学習(FL)は,それらの局所データを共有する必要なしに,複数のノードを協調的に深層学習モデルを訓練することを可能にする分散学習方法論である。それは,厳密なプライバシー制約を維持しながら,異なる場所から,将来のイベントの検出,分類,および予測のために,集中的データ収集を必要とする遠隔監視システムのための有望な解決策である。プライバシーの懸念とクリティカルな通信ボトルネックのため,FL更新モデルを集中サーバに送るのは実用的でない。したがって,本論文では,モノのインターネット(IoT)不均一系における階層的FLの可能性を研究した。特に,IoT異種システムのための階層的FLアーキテクチャ上のユーザ割当と資源割当てのための最適化ソリューションを提案した。本研究は,異なるユーザにわたる非一様分散データの実用的制約を考慮しながら,勾配-日光ベーススキームを用いて訓練された機械学習モデルの一般的クラスに焦点を当てた。2つの実世界データセットを用いて提案システムを評価し,最先端のFLソリューションより優れていることを示した。特に,著者らの数値結果は,距離ベースのユーザ割当を考慮する階層的FL方式に関して,著者らのアプローチの有効性および分類精度の4~6%の増加を提供する能力を強調する。さらに,提案した手法は,同じモデル精度のために,エッジノードと集中サーバ間の通信ラウンドの75~85%の削減を提供することにより,FL訓練を著しく加速し,通信オーバヘッドを低減することができた。Copyright 2022 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： 最適化 ,  太陽光 ,  資源割付 ,  プライバシー ,  *通信 ,  データ収集 ,  不均一系 ,  有効性 ,  計算機アーキテクチャ ,  機械学習
準シソーラス用語： 分類精度 ,  通信オーバーヘッド ,  分散学習 ,  *モノのインターネット ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： 分散深層学習 ,  エッジコンピューティング ,  非IIDデータ ,  モノのインターネット(IoT) ,  知的健康システム

分類 (2件)： データ保護  (JD01020V) ,  計算機網  (JC03000K)

タイトルに関連する用語 (4件)： 不均衡データ ,  IoT ,  通信効率 ,  学習