講演名 | 2022-12-13 ネットワークトポロジが分散型オンラインカーネル学習の効率性に与える影響 高森 洸希(関西学院大), 江見 太一(関西学院大), ハン ネー アウン(関西学院大), 後藤 啓大(関西学院大), 大崎 博之(関西学院大), |
---|---|
PDFダウンロードページ | PDFダウンロードページへ |
抄録(和) | ネットワーク上に分散したそれぞれのノードにおいて観測した非線形データから、それらのデータを一箇所に集約することなく、非線形モデルのパラメータ推定を行う分散学習が注目を浴びている。特に、ランダムフーリエ特徴を用いてカーネル関数を近似することにより、分散かつオンラインでの非線形学習が可能となる。これまで Bouboulis らは、ランダムフーリエ特徴を用いた、分散型オンラインカーネル学習アルゴリズム RFF-DOKL (Random Fourier Features Distributed Online Kernel-based Learning) を提案している。その一方、ネットワークトポロジが RFF-DOKL の効率性に与える影響はこれまで十分に明らかにされていない。 そこで本稿では、ネットワークトポロジによって、分散型オンラインカーネル学習アルゴリズム RFF-DOKL の効率性がどのような影響を受けるかを実験により調査する。具体的には、ノード数が等しい 4 種類のネットワークトポロジ (直列・リング・スター・メッシュ) 上において、ガウスカーネルを用いた RFF-DOKL により、非線形関数の分散オンライン学習を行った時の、総通信量とモデルの精度の関係を実験により分析する。 |
抄録(英) | Distributed learning, which estimates the parameters of a nonlinear model from nonlinear data observed at each distributed node in a network without aggregating the data at a single location, has been attracting attention. In particular, by approximating the kernel function using random Fourier features distributed and online nonlinear learning. Bouboulis et al. have proposed a distributed online kernel-based learning algorithm RFF-DOKL (Random Fourier Features Distributed Online Kernel-based Learning) using random Fourier features. On the other hand, the effect of network topology on the efficiency of RFF-DOKL has not been fully clarified. In this paper, we experimentally investigate the effect of network topology on the efficiency of RFF-DOKL, distributed online kernel-based learning algorithm. Specifically, we experimentally analyze the relationship between total traffic and model accuracy when distributed online learning of nonlinear functions is performed using RFF-DOKL with Gaussian kernels on four different network topologies (series, ring, star, and mesh) with the same number of nodes. |
キーワード(和) | ランダムフーリエ特徴 / RFF-DOKL (Random Fourier Features Distributed Online Kernel-based Learning) / カーネル学習 / 分散学習 / ネットワークトポロジ |
キーワード(英) | RFF (Random Fourier Features) / RFF-DOKL (Random Fourier Features Distributed Online Kernel-based Learning) / Kernel-based Learning / Distributed Learning / Network Topology |
資料番号 | IA2022-58 |
発行日 | 2022-12-05 (IA) |
研究会情報 | |
研究会 | IN / IA |
---|---|
開催期間 | 2022/12/12(から2日開催) |
開催地(和) | 広島大学 東千田キャンパス 未来創生センター |
開催地(英) | Higashi-Senda campus, Hiroshima Univ. |
テーマ(和) | 性能評価とシミュレーション、信頼性技術、スループットやトラヒックの計測、品質(QoS)制御、輻輳制御、トラヒック・フロー制御、オーバーレイネットワーク・P2P、IPv6 、マルチキャスト、ルーティング、DDoS及び一般※※※ 本研究会の2日目は情報指向ネットワーク技術特別研究会(ICN)とも併催です※※※ |
テーマ(英) | Performance Analysis and Simulation, Robustness, Traffic and Throughput Measurement, Quality of Service (QoS) Control, Congestion Control, Overlay Network/P2P, IPv6, Multicast, Routing, DDoS, etc. |
委員長氏名(和) | 波戸 邦夫(インターネットマルチフィード) / 義久 智樹(阪大) |
委員長氏名(英) | Kunio Hato(Internet Multifeed) / Tomoki Yoshihisa(Osaka Univ.) |
副委員長氏名(和) | 村瀬 勉(名大) / 作元 雄輔(関西学院大) / 屏 雄一郎(KDDI総合研究所) / 山本 寛(立命館大) |
副委員長氏名(英) | Tsutomu Murase(Nagoya Univ.) / Yusuke Sakumoto(Kwansei Gakuin Univ.) / Yuichiro Hei(KDDI Research) / Hiroshi Yamamoto(Ritsumeikan Univ.) |
幹事氏名(和) | 城 哲(KDDI総合研究所) / 渡部 康平(長岡技科大) / 秦泉寺 久美(NTT) / 濱田 浩気(NTT) / 大平 健司(阪大) / 坂野 遼平(工学院大) / 野林 大起(九工大) |
幹事氏名(英) | Tetsu Jyo(KDDI Research) / Kouhei Watabei(Nagaoka Univ. of Tech.) / Kumi Jinzenji(NTT) / Koki Hamada(NTT) / Kenji Ohira(Osaka Univ.) / Ryohei Banno(Kogakuin Univ.) / Daiki Nobayashi(Kyushu Inst. of Tech.) |
幹事補佐氏名(和) | / 小谷 大祐(京大) / 中村 遼(福岡大) / 中村 遼(東大) |
幹事補佐氏名(英) | / Daisuke Kotani(Kyoto Univ.) / Ryo Nakamura(Fukuoka Univ.) / Ryo Nakamura(Univ. of Tokyo) |
講演論文情報詳細 | |
申込み研究会 | Technical Committee on Information Networks / Technical Committee on Internet Architecture |
---|---|
本文の言語 | JPN |
タイトル(和) | ネットワークトポロジが分散型オンラインカーネル学習の効率性に与える影響 |
サブタイトル(和) | |
タイトル(英) | A Study On the Impact of Network Topology on the Efficiency of Distributed Online Kernel Learning |
サブタイトル(和) | |
キーワード(1)(和/英) | ランダムフーリエ特徴 / RFF (Random Fourier Features) |
キーワード(2)(和/英) | RFF-DOKL (Random Fourier Features Distributed Online Kernel-based Learning) / RFF-DOKL (Random Fourier Features Distributed Online Kernel-based Learning) |
キーワード(3)(和/英) | カーネル学習 / Kernel-based Learning |
キーワード(4)(和/英) | 分散学習 / Distributed Learning |
キーワード(5)(和/英) | ネットワークトポロジ / Network Topology |
第 1 著者 氏名(和/英) | 高森 洸希 / Koki Takamori |
第 1 著者 所属(和/英) | 関西学院大学(略称:関西学院大) Kwaisei Gakuin University(略称:Kwansei Univ.) |
第 2 著者 氏名(和/英) | 江見 太一 / Taichi Emi |
第 2 著者 所属(和/英) | 関西学院大学(略称:関西学院大) Kwaisei Gakuin University(略称:Kwansei Univ.) |
第 3 著者 氏名(和/英) | ハン ネー アウン / Han Nay Aung |
第 3 著者 所属(和/英) | 関西学院大学(略称:関西学院大) Kwaisei Gakuin University(略称:Kwansei Univ.) |
第 4 著者 氏名(和/英) | 後藤 啓大 / Keita Goto |
第 4 著者 所属(和/英) | 関西学院大学(略称:関西学院大) Kwaisei Gakuin University(略称:Kwansei Univ.) |
第 5 著者 氏名(和/英) | 大崎 博之 / Hiroyuki Ohsaki |
第 5 著者 所属(和/英) | 関西学院大学(略称:関西学院大) Kwaisei Gakuin University(略称:Kwansei Univ.) |
発表年月日 | 2022-12-13 |
資料番号 | IA2022-58 |
巻番号(vol) | vol.122 |
号番号(no) | IA-306 |
ページ範囲 | pp.56-59(IA), |
ページ数 | 4 |
発行日 | 2022-12-05 (IA) |