| 講演名 | 2021-07-14 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(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) | 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． |
| 抄録(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 |
| キーワード(英) | Consensus Problem / data-driven algorithm / deep-unfolding / eigenvector centrality |
| 資料番号 | RCC2021-23 |
| 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） | 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（和） | |
| 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 |
| 第 1 著者 氏名（和/英） | 小川 翔也 / Shoya Ogawa |
| 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 | RCC2021-23 |
| 巻番号（vol） | vol.121 |
| 号番号（no） | RCC-101 |
| ページ範囲 | pp.7-12(RCC), |
| ページ数 | 6 |
| 発行日 | 2021-07-07 (RCC) |