| 講演名 | 2019-03-05 エッジ端末で実行可能な深層学習を用いた適応的データ圧縮法 関根 理敏(OKI), 伊加田 恵志(OKI), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | 実世界の情報をセンシングし，多様なアプリケーションで活用するため，センサデータの効率的な収集が重要となる．アプリケーションで長期間かつ広範囲にわたるデータを高精度に分析するためには，一般に大量かつ分解能の高いセンサデータがより求められる． 橋梁やビルなどの建造物, また工場で稼働し続ける生産機器などの稼働を監視するために，センサを搭載したエッジ端末を取り付けデータを収集するセンサネットワークが構築されるが, その設置の容易さから無線方式によるものが好まれる傾向がある．しかしながら，エッジ端末から無線によって長期的かつ分解能の高いデータを送信するには，帯域や電力の浪費が課題となる．そこで我々は，データの送信効率化のために圧縮センシングと呼ばれるデータ圧縮手法に着目する．圧縮センシングは一般に，エッジ側における圧縮時の計算量を少なくすることができるが, 圧縮率を高めるにはデータ特性に応じて最適化制御を行う必要があるため, 多くの計算量を必要としてしまう．提案手法では，事前に学習した深層学習の教師あり学習, または強化学習による制御モデルを用いて, より最適な圧縮比を推定することが可能となり，最適化制御に必要な処理負荷を軽減し, かつできるだけ元のデータの情報量を落とさずにそのデータ量を削減することが可能となる． 橋梁に配置された加速度センサで発生するセンサデータを利用して性能評価を行った結果，提案手法は最適な圧縮比を推定する計算負荷を抑えつつ，動的な圧縮比設定により圧縮比と復元誤差率の両方を低下できることが分かった． |
| 抄録(英) | Efficient collection of sensor data is important for sensing the real world and utilizing it in various applications. Generally, a large amount of sensor data is required to analyze long-term and wide-range data with high precision in applications. However, at the edge device, waste of radio resources and power due to an increase in the amount of data transmission may occur. Therefore, it is necessary to reduce the amount of data without degrading the information amount of the original data as much as possible. In this paper, we propose a method to set the data transmission efficiency and optimize it to estimate the compression ratio of the compressed sensing. It is executable at the edge device dynamically and directly, in order to improve data transmission efficiency. Generally, optimization control generally requires a large amount of calculation amount, but by using the learning model of supervised learning or reinforcement learning in deep learning learned in advance in the proposed method, the search for optimal compression ratio can be performed with less processing load. As a result of performance evaluation, using the data generated by an acceleration sensor placed on the bridge, the proposed method can reduce the computational load for estimating the optimum compression ratio, while reducing both compression ratio and reconstruction error. |
| キーワード(和) | センサネットワーク / 圧縮センシング / エッジ端末 / 深層学習 / 教師あり学習 / 強化学習 |
| キーワード(英) | sensor networks / compressed sensing / edge device / deep learning / supervised learning / reinforcement learning |
| 資料番号 | NS2018-293 |
| 発行日 | 2019-02-25 (NS) |
| 研究会情報 | |
| 研究会 | IN / NS |
|---|---|
| 開催期間 | 2019/3/4(から2日開催) |
| 開催地（和） | 沖縄コンベンションセンター |
| 開催地（英） | Okinawa Convention Center |
| テーマ（和） | 一般 |
| テーマ（英） | General |
| 委員長氏名（和） | 岸田 卓治(NTT-AT) / 岡崎 義勝(NTT) |
| 委員長氏名（英） | Takuji Kishida(NTT-AT) / Yoshikatsu Okazaki(NTT) |
| 副委員長氏名（和） | 石田 賢治(広島市大) / 中尾 彰宏(東大) |
| 副委員長氏名（英） | Kenji Ishida(Hiroshima City Univ.) / Akihiro Nakao(Univ. of Tokyo) |
| 幹事氏名（和） | 松本 延孝(KDDI総合研究所) / 植田 一暁(KDDI総合研究所) / 加島 伸悟(NTT) / 持田 誠一郎(NTT) / 松井 健一(NTT) / 谷川 陽祐(阪府大) |
| 幹事氏名（英） | Nobutaka Matsumoto(KDDI Research) / Kazuaki Ueda(KDDI Research) / Shingo Kashima(NTT) / Seiichiro Mochida(NTT) / Kenichi Matsui(NTT) / Yosuke tanigawa(Osaka Pref Univ.) |
| 幹事補佐氏名（和） | / 橿渕 健一(NTT) |
| 幹事補佐氏名（英） | / Kenichi Kashibuchi(NTT) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Information Networks / Technical Committee on Network Systems |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | エッジ端末で実行可能な深層学習を用いた適応的データ圧縮法 |
| サブタイトル（和） | |
| タイトル（英） | Adaptive Data Compression Using Deep Learning Executable on Edge Device |
| サブタイトル（和） | |
| キーワード(1)（和/英） | センサネットワーク / sensor networks |
| キーワード(2)（和/英） | 圧縮センシング / compressed sensing |
| キーワード(3)（和/英） | エッジ端末 / edge device |
| キーワード(4)（和/英） | 深層学習 / deep learning |
| キーワード(5)（和/英） | 教師あり学習 / supervised learning |
| キーワード(6)（和/英） | 強化学習 / reinforcement learning |
| 第 1 著者 氏名（和/英） | 関根 理敏 / Masatoshi Sekine |
| 第 1 著者 所属（和/英） | 沖電気工業株式会社(略称：OKI) Oki Electric Industry Co., Ltd.(略称：OKI) |
| 第 2 著者 氏名（和/英） | 伊加田 恵志 / Satoshi Ikada |
| 第 2 著者 所属（和/英） | 沖電気工業株式会社(略称：OKI) Oki Electric Industry Co., Ltd.(略称：OKI) |
| 発表年月日 | 2019-03-05 |
| 資料番号 | NS2018-293 |
| 巻番号（vol） | vol.118 |
| 号番号（no） | NS-465 |
| ページ範囲 | pp.575-580(NS), |
| ページ数 | 6 |
| 発行日 | 2019-02-25 (NS) |