| 講演名 | 2021-07-14 深層展開による拡散LMSアルゴリズムのエッジ重みとステップサイズの最適化に関する検討 西畑 友登(香川大), 石井 光治(香川大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | 本研究では，センサネットワークにおける分散信号処理の高速化を目的とし，データ駆動型パラメータ設計を提案する．分散信号処理は，集中制御型に比べて計算処理などを分散できる利点がある一方，収束特性が遅くなる欠点がある．そこで本研究では，従来提案されている拡散LMS に深層展開を適用することで，着目するネットワークに特化したパラメータの最適化を実現する．具体的に，拡散LMS アルゴリズムに用いられるステップサイズと重み付き平均合意に用いる重み付き隣接行列を最適化する．計算機シミュレーションの結果，深層展開を用いたパラメータ設定が収束特性を改善することを示す． |
| 抄録(英) | This study proposes a deep-unfolding aided parameter setting for a diffusion LMS algorithm. Distributed signal processing can avoid the centralization of huge computational burden and/or power consumption at some agents in the network, while its convergence performance of signal processing becomes worse than the one of centralized signal processing. To accelerate the convergence performance, this study applies a deep unfolding to the focused diffusion LMS algorithm. Specifically, this work tries to optimize both step size and weighted adjacent matrix in the diffusion LMS algorithm. Simulation results show that the diffusion LMS with the optimized parameters can significantly enhance the convergence performance compared to the case with fixed parameters. |
| キーワード(和) | 拡散LMSアルゴリズム / 深層学習 / 深層展開 / 平均合意 |
| キーワード(英) | Diffusion LMS Algorithm / deep-learning / deep-unfolding / average consensus |
| 資料番号 | RCC2021-22 |
| 発行日 | 2021-07-07 (RCC) |
| 研究会情報 | |
| 研究会 | RCS / SR / NS / SeMI / RCC |
|---|---|
| 開催期間 | 2021/7/14(から3日開催) |
| 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 |
| 委員長氏名（和） | 岡本 英二(名工大) / 亀田 卓(広島大) / 中尾 彰宏(東大) / 山本 高至(京大) / 李 還幇(NICT) |
| 委員長氏名（英） | Eiji Okamoto(Nagoya Inst. of Tech.) / Suguru Kameda(Hiroshima Univ.) / Akihiro Nakao(Univ. of Tokyo) / Koji Yamamoto(Kyoto Univ.) / HUAN-BANG LI(NICT) |
| 副委員長氏名（和） | 西村 寿彦(北大) / 旦代 智哉(東芝) / 児島 史秀(NICT) / 田久 修(信州大) / 石津 健太郎(NICT) / 矢野 一人(ATR) / 大石 哲矢(NTT) / 門田 和也(日立) / 大和田 泰伯(NICT) / 東 俊一(名大) / 石井 光治(香川大) |
| 副委員長氏名（英） | Toshihiko Nishimura(Hokkaido Univ.) / Tomoya Tandai(Toshiba) / Fumihide Kojima(NICT) / Osamu Takyu(Shinshu Univ.) / Kentaro Ishidu(NICT) / Kazuto Yano(ATR) / Tetsuya Oishi(NTT) / Kazuya Monden(Hitachi) / Yasunori Owada(NICT) / Shunichi Azuma(Nagoya Univ.) / Koji Ishii(Kagawa Univ.) |
| 幹事氏名（和） | 村岡 一志(NEC) / 山本 哲矢(パナソニック) / 成枝 秀介(三重大) / 稲森 真美子(東海大) / 李 斗煥(NTT) / 池邉 隆(NTT) / 吉田 雅裕(中大) / 橋本 匡史(サイバー大) / 金井 謙治(早大) / 内山 彰(阪大) / 加川 敏規(電中研) / 林 直樹(阪大) |
| 幹事氏名（英） | Kazushi Muraoka(NEC) / Tetsuya Yamamoto(Panasonic) / Syusuke Narieda(Mie Univ.) / Mamiko Inamori(Tokai Univ.) / Doohwan Lee(NTT) / Takashi Ikebe(NTT) / Masahiro Yoshida(Chuo Univ.) / Masafumi Hashimoto(Cyber Univ.) / Kenji Kanai(Waseda Univ.) / Akira Uchiyama(Osaka Univ.) / Toshinori Kagawa(CRIEPI) / Naoki Hayashi(Osaka Univ.) |
| 幹事補佐氏名（和） | 安達 宏一(電通大) / 中村 理(シャープ) / 酒井 学(三菱電機) / 岩渕 匡史(NTT) / 奥山 達樹(NTTドコモ) / 太田 真衣(福岡大) / 大辻 太一(NEC) / 王 瀟岩(茨城大) / 田中 明美(MathWorks) / 三原 孝太郎(NTT) / 勝間田 優樹(NTTドコモ) / 田谷 昭仁(青学大) / 中山 悠(東京農工大) / 単 麟(NICT) / 小蔵 正輝(阪大) |
| 幹事補佐氏名（英） | Koichi Adachi(Univ. of Electro-Comm.) / Osamu Nakamura(Sharp) / Manabu Sakai(Mitsubishi Electric) / Masashi Iwabuchi(NTT) / Tatsuki Okuyama(NTT DOCOMO) / Mai Ohta(Fukuoka Univ.) / Taichi Ohtsuji(NEC) / WANG Xiaoyan(Ibaraki Univ.) / Akemi Tanaka(MathWorks) / Kotaro Mihara(NTT) / Yuki Katsumata(NTT DOCOMO) / Akihito Taya(Aoyama Gakuin Univ.) / Yu Nakayama(Tokyo Univ. of Agri. and Tech.) / SHAN LIN(NICT) / Masaki Ogura(Osaka Univ.) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Radio Communication Systems / Technical Committee on Smart Radio / Technical Committee on Network Systems / Technical Committee on Sensor Network and Mobile Intelligence / Technical Committee on Reliable Communication and Control |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | 深層展開による拡散LMSアルゴリズムのエッジ重みとステップサイズの最適化に関する検討 |
| サブタイトル（和） | |
| タイトル（英） | Deep-Unfolding Aided Optimization of Edge Weights and Step Sizes for Diffusion LMS Algorithm |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 拡散LMSアルゴリズム / Diffusion LMS Algorithm |
| キーワード(2)（和/英） | 深層学習 / deep-learning |
| キーワード(3)（和/英） | 深層展開 / deep-unfolding |
| キーワード(4)（和/英） | 平均合意 / average consensus |
| 第 1 著者 氏名（和/英） | 西畑 友登 / Yuto Nishihata |
| 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） | 石井 光治 / Koji Ishii |
| 第 2 著者 所属（和/英） | 香川大学(略称：香川大) Kagawa University(略称：Kagawa Univ.) |
| 発表年月日 | 2021-07-14 |
| 資料番号 | RCC2021-22 |
| 巻番号（vol） | vol.121 |
| 号番号（no） | RCC-101 |
| ページ範囲 | pp.1-6(RCC), |
| ページ数 | 6 |
| 発行日 | 2021-07-07 (RCC) |