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
技報オンライン
‥‥ (ESS/通ソ/エレソ/ISS)
技報アーカイブ
‥‥ (エレソ/通ソ)
 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 2015-12-19 11:10
データの転送制御に基づく効率的な分散型SVMの学習法
湯川輝一朗三川健太後藤正幸早大
技報オンラインサービス実施中
抄録 (和) 情報ネットワーク技術の発展に伴い,物理的に分散したデータベースにデータを保持することが可能となった.これらのデータを全て用いて知識発見を行う手法として分散データマイニング(DDM)の需要が高まっている.この手法の1つに任意のネットワークモデルに対しSVMを学習するD-SVMがある.D-SVMは任意のネットワークモデルのもと,少ない通信コストで学習データに対し,1 つの SVM のパラメータを学習することができるが,各データベースに保持されたデータの統計的特徴がその学習に必要な計算回数と通信コストに影響を与えていることが知られている.そこで本研究では,フルコネクト型のネットワークを仮定し,データの転送制御に基づいたD-SVMの学習法を提案することで学習に必要な計算回数と通信コストを削減する手法を提案し,評価実験からその有用性を示す. 
(英) Due to the development of information technology, the analysis of big data stored in various databases has become more important. From this kind of circumstance, the importance of Distributed Data Mining (DDM), which is the technique to implement data mining while each database doesn't transmit raw data to each other, has been advocated. As one of the methods, Forrero et al. proposed the method of learning optimal support vector machine (SVM) using the Alternating Direction Method of Multipliers (ADMM) in DDM. This method can learn the optimal hyperplane with low iterations and communication costs for any network structure without sharing their data. However, when the statistical characteristics of data stored in each node are quite different, this method requires large iterations until convergence. In this study, we propose a new learning method, which reduces the number of iterations considering network structure, provided that the all nodes are connected with each other. To verify the effectiveness of proposed method, a simulation experiment is conducted.
キーワード (和) 分散データマイニング / サポートベクターマシン / グラフ構造 / / / / /  
(英) Distributed Data Mining / Support Vector Machine / Graph Structure / / / / /  
文献情報 信学技報, vol. 115, no. 381, AI2015-51, pp. 149-154, 2015年12月.
資料番号 AI2015-51 
発行日 2015-12-11 (AI) 
ISSN Print edition: ISSN 0913-5685  Online edition: ISSN 2432-6380

研究会情報
研究会 AI  
開催期間 2015-12-18 - 2015-12-19 
開催地(和) 那覇市ぶんかテンブス館 
開催地(英)  
テーマ(和) 「コンテキストを意識した知識の利用」および一般 
テーマ(英)  
講演論文情報の詳細
申込み研究会 AI 
会議コード 2015-12-AI 
本文の言語 日本語 
タイトル(和) データの転送制御に基づく効率的な分散型SVMの学習法 
サブタイトル(和)  
タイトル(英) A Learning Method of Distributed Support Vector Machine Based on Transfer Control of Data 
サブタイトル(英)  
キーワード(1)(和/英) 分散データマイニング / Distributed Data Mining  
キーワード(2)(和/英) サポートベクターマシン / Support Vector Machine  
キーワード(3)(和/英) グラフ構造 / Graph Structure  
キーワード(4)(和/英) /  
キーワード(5)(和/英) /  
キーワード(6)(和/英) /  
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) 湯川 輝一朗 / Yukawa Kiichiro / ユカワ キイチロウ
第1著者 所属(和/英) 早稲田大学 (略称: 早大)
Waseda University (略称: Waseda Univ.)
第2著者 氏名(和/英/ヨミ) 三川 健太 / Mikawa Kenta / ミカワ ケンタ
第2著者 所属(和/英) 早稲田大学 (略称: 早大)
Waseda University (略称: Waseda Univ.)
第3著者 氏名(和/英/ヨミ) 後藤 正幸 / Goto Masayuki / ゴトウ マサユキ
第3著者 所属(和/英) 早稲田大学 (略称: 早大)
Waseda University (略称: Waseda Univ.)
第4著者 氏名(和/英/ヨミ) / /
第4著者 所属(和/英) (略称: )
(略称: )
第5著者 氏名(和/英/ヨミ) / /
第5著者 所属(和/英) (略称: )
(略称: )
第6著者 氏名(和/英/ヨミ) / /
第6著者 所属(和/英) (略称: )
(略称: )
第7著者 氏名(和/英/ヨミ) / /
第7著者 所属(和/英) (略称: )
(略称: )
第8著者 氏名(和/英/ヨミ) / /
第8著者 所属(和/英) (略称: )
(略称: )
第9著者 氏名(和/英/ヨミ) / /
第9著者 所属(和/英) (略称: )
(略称: )
第10著者 氏名(和/英/ヨミ) / /
第10著者 所属(和/英) (略称: )
(略称: )
第11著者 氏名(和/英/ヨミ) / /
第11著者 所属(和/英) (略称: )
(略称: )
第12著者 氏名(和/英/ヨミ) / /
第12著者 所属(和/英) (略称: )
(略称: )
第13著者 氏名(和/英/ヨミ) / /
第13著者 所属(和/英) (略称: )
(略称: )
第14著者 氏名(和/英/ヨミ) / /
第14著者 所属(和/英) (略称: )
(略称: )
第15著者 氏名(和/英/ヨミ) / /
第15著者 所属(和/英) (略称: )
(略称: )
第16著者 氏名(和/英/ヨミ) / /
第16著者 所属(和/英) (略称: )
(略称: )
第17著者 氏名(和/英/ヨミ) / /
第17著者 所属(和/英) (略称: )
(略称: )
第18著者 氏名(和/英/ヨミ) / /
第18著者 所属(和/英) (略称: )
(略称: )
第19著者 氏名(和/英/ヨミ) / /
第19著者 所属(和/英) (略称: )
(略称: )
第20著者 氏名(和/英/ヨミ) / /
第20著者 所属(和/英) (略称: )
(略称: )
講演者
発表日時 2015-12-19 11:10:00 
発表時間 20 
申込先研究会 AI 
資料番号 IEICE-AI2015-51 
巻番号(vol) IEICE-115 
号番号(no) no.381 
ページ範囲 pp.149-154 
ページ数 IEICE-6 
発行日 IEICE-AI-2015-12-11 


[研究会発表申込システムのトップページに戻る]

[電子情報通信学会ホームページ]


IEICE / 電子情報通信学会