文献

J-GLOBAL ID：202302230675097693   整理番号：23A1115265

フェデレーテッドラーニングを用いた自動運転手法

Automated Driving Methods Using Federated Learning

クリップ

著者 (3件)： 小野航輝 (電通大) ,  WU Celimuge (電通大) ,  吉永努 (電通大)
資料名： 電子情報通信学会技術研究報告(Web)  (IEICE Technical Report (Web))
巻： 122  号： 438(CQ2022 80-106)  ページ： 96-101 (WEB ONLY)  発行年： 2023年03月08日 
JST資料番号： U2030A  ISSN： 2432-6380  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 機械学習を用いて自動運転行動の学習を行う場合,膨大な量の走行データが必要であり,走行データを収集するために多大な時間と通信リソースを必要とする.そのため,生データの収集を不要とする分散機械学習手法が注目を集めている.本研究では,フェデレーテッドラーニングを用いた自動運転手法を提案する.提案手法は深層強化学習に基づく学習結果をフェデレーテッドラーニングで集約することで,生データの送信を不要とし無線リソースの利用効率を改善できると同時に,複数の車両の知見を集約することで,学習時間の短縮を実現する.(著者抄録)

シソーラス用語： *自動運転 ,  機械学習 ,  統計的方法 ,  *強化学習 ,  *情報検索 ,  *深層強化学習
準シソーラス用語： *フェデレーテッド検索 ,  統計的機械学習

分類 (2件)： 人工知能  (JE08000Z) ,  走行装置  (QG03040V)

引用文献 (12件)：

• 林世彬, 須田義大, 横溝英明, 小宮浩資, 平山幸司. “高速バスの自動運転・隊列走行の社会実装に向けた考察”生産研究 71巻 (2019) 2号,pp51-56,2019.
• C. J. C. H. Watkins. “Learning From Delayed Rewards”PhD Thesis, University of Cambridge, England, May. 1989.
• V. Mnih, K. Kavukcuoglu, D. Silver, A. A. Rusu, J. Veness, M. G. Bellemare, A. Graves, M. Riedmiller,A. K. Fidjeland, G. Ostrovski, et al. “Human-level control through deep reinforcementlearning” Nature, Feb. 2015.
• Q. Li,Z. Wen,Z. Wu,S. Hu,N. Wang,Y. Li,X. Liu, B. He. “A Survey on Federated Learning Systems: Vision, Hype and Reality for Data Privacy and Protection” arXiv:1907.09693v7, Dec. 2021.
• 鹿島久嗣. “連合学習 (Federated Learning)”https://hkashima.github.io/introductionFederatedLearning.pdf (2023/1/16 参照).

タイトルに関連する用語 (2件)： フェデレーテッドラーニング ,  手法