| 講演名 | 2023-01-19 ［ショートペーパー］Split Computingに向けた無線LANと機械学習モデルの同時最適化 依田 光仁(東工大), 西尾 理志(東工大), 依田 大輝(東芝), 鍋谷 寿久(東芝), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | SC (Split computing)はML (Machine learning)モデルによる推論をリソースに制約のあるデバイスとエッジサーバで協調的に行う技術である．しかしSCは狭帯域でパケットロスが多い無線ネットワーク上で実施すると，推論精度を保つために高信頼な通信パラメータでパケットを送信することが必要となり，通信のボトルネックにより処理遅延が増大してしまう．本稿では，この推論精度と通信遅延のトレードオフを解決するために，物理伝送レートなどの無線通信パラメータとMLモデルの同時最適化を提案している．提案手法では，推論に関してパケットロス耐性のあるMLモデルを利用し，通信において再送を制限したり高い物理伝送レートを用いることで，信頼性を下げる，つまりパケットロス率を上げる代わりに通信遅延を低減する．具体的には，パラメータの選択をMAB(Multi-armed bandit)問題としてモデル化し，UCBアルゴリズムにより，使用する無線通信パラメータとMLモデルを同時に最適化する．ns3を用いた評価により，SCの推論精度を高めつつ，通信遅延低減でき，トレードオフを解決できることを示した． |
| 抄録(英) | Split computing (SC) enables machine learning (ML) inference with a deep neural network on resource-constrained devices. However, a narrow-bandwidth and lossy wireless network can become a bottleneck, thereby increasing communication latency in SC due to retransmission and the use of lower physical transmission rate. To solve this trade-off between communication latency and inference accuracy, this paper studies a joint control of the wireless communication parameters (e.g., transmission rate, retransmission limit) and ML model to reduce communication latency and improve inference accuracy. The proposed method focuses on the packet-loss tolerance of ML inference and uses unreliable (i.e., high packet-loss rate) but low-latency communication protocol. To achieve a well-balanced trade-off between communication latency and inference accuracy, the proposed method jointly controls wireless communication parameters affecting the reliability and communication latency and ML model architecture affecting inference accuracy and packet-loss reliance, based on multi-armed bandit (MAB) algorithm, namely upper confidence bound (UCB) algorithm. The results of ns3-based computer simulations show that the proposed method reduces communication latency and improves inference accuracy. |
| キーワード(和) | 分散推論 / 同時制御 / 機械学習 / 無線LAN / 強化学習 |
| キーワード(英) | Split computing / Joint control / Machine learning / Wireless LAN / Reinforcement Learning |
| 資料番号 | SeMI2022-77 |
| 発行日 | 2023-01-12 (SeMI) |
| 研究会情報 | |
| 研究会 | SeMI |
|---|---|
| 開催期間 | 2023/1/19(から2日開催) |
| 開催地（和） | 鳴門グランドホテル海月 |
| 開催地（英） | Naruto grand hotel |
| テーマ（和） | センシング，モビリティ，モバイル・ユビキタスコンピューティング，センサ・アドホック・モバイルネットワーク，アプリケーション，一般 |
| テーマ（英） | |
| 委員長氏名（和） | 山本 高至(京大) |
| 委員長氏名（英） | Koji Yamamoto(Kyoto Univ.) |
| 副委員長氏名（和） | 門田 和也(日立) / 大和田 泰伯(NICT) / 猿渡 俊介(阪大) |
| 副委員長氏名（英） | Kazuya Monden(Hitachi) / Yasunori Owada(NICT) / Shunsuke Saruwatari(Osaka Univ.) |
| 幹事氏名（和） | 勝間田 優樹(NTTドコモ) / 中山 悠(東京農工大) / 内山 彰(阪大) |
| 幹事氏名（英） | Yuki Katsumata(NTT DOCOMO) / Yu Nakayama(Tokyo Univ. of Agri. and Tech.) / Akira Uchiyama(Osaka Univ.) |
| 幹事補佐氏名（和） | 松田 裕貴(奈良先端大) / 田谷 昭仁(青学大) / 平井 健士(阪大) |
| 幹事補佐氏名（英） | Yuki Matsuda(NAIST) / Akihito Taya(Aoyama Gakuin Univ.) / Takeshi Hirai(Osaka Univ.) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Sensor Network and Mobile Intelligence |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | ［ショートペーパー］Split Computingに向けた無線LANと機械学習モデルの同時最適化 |
| サブタイトル（和） | |
| タイトル（英） | [Short Paper] A Study of Joint Control Method of Wireless LAN and Machine Learning Settings for Communication-efficient Split Computing |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 分散推論 / Split computing |
| キーワード(2)（和/英） | 同時制御 / Joint control |
| キーワード(3)（和/英） | 機械学習 / Machine learning |
| キーワード(4)（和/英） | 無線LAN / Wireless LAN |
| キーワード(5)（和/英） | 強化学習 / Reinforcement Learning |
| 第 1 著者 氏名（和/英） | 依田 光仁 / Kojin Yorita |
| 第 1 著者 所属（和/英） | 東京工業大学(略称：東工大) Tokyo Institute of Technology(略称：Tokyo Tech) |
| 第 2 著者 氏名（和/英） | 西尾 理志 / Takayuki Nishio |
| 第 2 著者 所属（和/英） | 東京工業大学(略称：東工大) Tokyo Institute of Technology(略称：Tokyo Tech) |
| 第 3 著者 氏名（和/英） | 依田 大輝 / Daiki Yoda |
| 第 3 著者 所属（和/英） | 東芝(略称：東芝) Toshiba(略称：Toshiba) |
| 第 4 著者 氏名（和/英） | 鍋谷 寿久 / Toshihisa Nabetani |
| 第 4 著者 所属（和/英） | 東芝(略称：東芝) Toshiba(略称：Toshiba) |
| 発表年月日 | 2023-01-19 |
| 資料番号 | SeMI2022-77 |
| 巻番号（vol） | vol.122 |
| 号番号（no） | SeMI-341 |
| ページ範囲 | pp.28-29(SeMI), |
| ページ数 | 2 |
| 発行日 | 2023-01-12 (SeMI) |