| 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 [ログイン] 技報アーカイブ |
| 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 | 2021-07-14 10:55 合意制御におけるネットワーク条件緩和のための固有ベクトル中心性制約を用いた深層展開 ○小川翔也・石井光治（香川大）  RCC2021-23 |
|
| 抄録 | （和） | 複雑なネットワークにおける合意制御では，合意制御アルゴリズム内のパラメータがアルゴリズム全体の振る舞いに大きく影響するため，適切なパラメータ設計が重要な問題となる．先行研究において，深層学習の一種である深層展開を複雑なネットワークを持つ合意制御アルゴリズムに用いたデータ駆動型合意制御アルゴリズムが提案され，制御特性を改善することが報告されている．この先行研究で提案されているアルゴリズムはある特定のネットワークトポロジーに対して適応したエッジ重みをノードの初期状態を変えて学習することで制御特性（収束特性）を改善する．しかし，特定のネットワークトポロジーでのみ学習するため，ネットワークトポロジーに対して汎用性がない．そこで本研究では，適用するネットワークトポロジの汎用化，かつパラメータの最適化による特性改善の両方を実現する．具体的には，ネットワークの特徴を考慮して学習パラメータに制約を付加し，学習を行うことで，ネットワークの統計的な性質を考慮したデータ駆動型パラメータ設計を提案する．特に，本研究ではネットワークの中心性を制約に用いる．ネットワークの中心性は複数あるが，本研究では、固有ベクトル中心性に着目し，ネットワークの(隣接行列の)固有ベクトルの値に依存した制約を付加した学習を行う．これにより，異なるネットワークトポロジーを持つ場合においても，同程度の固有ベクトル中心性の値を持つノードに対しては同じ重みを適用でき，ネットワークトポロジーの汎用化を実現する．結果として，ネットワークトポロジーに汎用性を持つエッジ重みの設計を行い，従来のエッジ重みが固定値の合意制御アルゴリズムと比べて，収束特性が向上した． |
| （英） | he convergence performance of consensus problems depends on the applied weighting factors into individual edges. Unfortunately, in the case with a complex network, the computation of optimum weighting factors is unfeasible due to high complexity. Kishida et.al., have recently proposed to apply a deep learning technique to the computation of weighting factors and shown that the deep leaning aided consensus problem can significantly enhance the convergence performance. However, since Kishida's method provides the optimum weighting factors only for the focused network topology, the calculated weighting factors cannot apply to the case with different network topology. To relax this restriction, this study proposes a learning method in which the weighting factors are computed with the constraint caused by the centrality of network. We first embed the constraint of eigenvector-centrality into the learning procedure, and the training is done with the training data which is generated with different network topology but with the same stochastic property. By doing so, the proposed method can lean the stochastic property of the network. Simulation results show that the proposed method with eigenvector centrality cannot achieve better performance than the one with degree centrality. But, both optimization can achieve better performance than the case with fixed value. | |
| キーワード | （和） | 合意制御 / データ駆動型アルゴリズム / 深層展開 / 固有ベクトル中心性 / / / / |
| （英） | Consensus Problem / data-driven algorithm / deep-unfolding / eigenvector centrality / / / / | |
| 文献情報 | 信学技報, vol. 121, no. 101, RCC2021-23, pp. 7-12, 2021年7月. | |
| 資料番号 | RCC2021-23 | |
| 発行日 | 2021-07-07 (RCC) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | RCC2021-23 |
|
| 研究会情報 | |
| 研究会 | RCS SR NS SeMI RCC |
| 開催期間 | 2021-07-14 - 2021-07-16 |
| 開催地（和） | オンライン開催 |
| 開催地（英） | Online |
| テーマ（和） | 機械学習とAIを応用した通信・ネットワーク技術，M2M (Machine-to-Machine)，D2D (Device-to-Device)，IoT（Internet of Things），一般 |
| テーマ（英） | Communication and Network Technology of the AI Age, M2M (Machine-to-Machine)，D2D (Device-to-Device)，IoT（Internet of Things）, etc |
| 講演論文情報の詳細 | |
| 申込み研究会 | RCC |
| 会議コード | 2021-07-RCS-SR-NS-SeMI-RCC |
| 本文の言語 | 日本語 |
| タイトル（和） | 合意制御におけるネットワーク条件緩和のための固有ベクトル中心性制約を用いた深層展開 |
| サブタイトル（和） | |
| タイトル（英） | Relaxation of Network Restriction for Deep Learning Based Consensus Problem with Eigenvector Centrality |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 合意制御 / Consensus Problem |
| キーワード(2)（和/英） | データ駆動型アルゴリズム / data-driven algorithm |
| キーワード(3)（和/英） | 深層展開 / deep-unfolding |
| キーワード(4)（和/英） | 固有ベクトル中心性 / eigenvector centrality |
| 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） | 小川 翔也 / Shoya Ogawa / オガワ ショウヤ |
| 第1著者 所属（和/英） | 香川大学 (略称： 香川大) Kagawa University (略称： Kagawa Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 石井 光治 / Koji Ishii / イシイ コウジ |
| 第2著者 所属（和/英） | 香川大学 (略称： 香川大) Kagawa University (略称： Kagawa Univ.) |
| 第3著者 氏名（和/英/ヨミ） | / / |
| 第3著者 所属（和/英） | (略称： ) (略称： ) |
| 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： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2021-07-14 10:55:00 |
| 発表時間 | 25分 |
| 申込先研究会 | RCC |
| 資料番号 | RCC2021-23 |
| 巻番号（vol） | vol.121 |
| 号番号（no） | no.101 |
| ページ範囲 | pp.7-12 |
| ページ数 | 6 |
| 発行日 | 2021-07-07 (RCC) |
[研究会発表申込システムのトップページに戻る]