| 講演名 | 2023-05-12 ［招待講演］ガウス過程回帰の分散・低遅延化とその電波マップ構築への応用 佐藤 光哉(電通大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | ノンパラメトリック回帰分析手法の1つにガウス過程回帰(GPR: Gaussian Process Regression)がある．ガウス過程に従うデータに対し理論最適な回帰が可能であり，不確定性の見積もりも可能であるといった特徴から，環境データの可視化やロボティクスをはじめとした多数の応用検討がある．一方，GPRは計算量の大きさや観測結果の集約に要する通信コストといった問題を有するため，大規模なデータを解析対象とした際の実用性には一考の余地がある．本講演では，こういった諸問題の解決に向けた無線ネットワーク上での分散型GPRの通信/学習設計に関する取り組みを紹介する．また，無線通信におけるGPRの応用例である電波マップ構築を対象に，具体的な回帰方法や推定精度，通信遅延といった諸特性について述べる． |
| 抄録(英) | Gaussian process regression (GPR) is a non-parametric method that optimizes regression analysis for Gaussian process data. There has been a wide range of applications, such as environmental monitoring and robotics. However, GPR has drawbacks regarding computational complexity and communication cost for collecting sensing data; it will be significant in the massive-dataset analysis. This presentation gives recent progress in distributed GPR over wireless networks toward low latency and accurate regression analysis. It is also shown that the distributed GPR can be applied for radio map construction tasks, an application of GPR in wireless communications. |
| キーワード(和) | ガウス過程回帰 / 分散機械学習 / 空中計算 / 電波マップ |
| キーワード(英) | Gaussian process regression / distributed machine learning / over-the-air computation / radio map |
| 資料番号 | SR2023-20 |
| 発行日 | 2023-05-04 (SR) |
| 研究会情報 | |
| 研究会 | SR |
|---|---|
| 開催期間 | 2023/5/11(から2日開催) |
| 開催地（和） | 生涯学習センター きらん(東室蘭) |
| 開催地（英） | Center of lifelong learning Kiran (Higashi Muroran) |
| テーマ（和） | ソフトウェア無線、コグニティブ無線、周波数共用、機械学習応用、一般 |
| テーマ（英） | Software Defined Radio, Cognitive Radio, Spectrum Sharing, Machine Learning, etc. |
| 委員長氏名（和） | 亀田 卓(広島大) |
| 委員長氏名（英） | Suguru Kameda(Hiroshima Univ.) |
| 副委員長氏名（和） | 田久 修(信州大) / 石津 健太郎(NICT) / 矢野 一人(ATR) |
| 副委員長氏名（英） | Osamu Takyu(Shinshu Univ.) / Kentaro Ishidu(NICT) / Kazuto Yano(ATR) |
| 幹事氏名（和） | 成枝 秀介(三重大) / 稲森 真美子(東海大) / 李 斗煥(NTT) |
| 幹事氏名（英） | Syusuke Narieda(Mie Univ.) / Mamiko Inamori(Tokai Univ.) / Doohwan Lee(NTT) |
| 幹事補佐氏名（和） | 大辻 太一(NEC) / 王 瀟岩(茨城大) / 田中 明美(MathWorks) / 須藤 克弥(電通大) |
| 幹事補佐氏名（英） | Taichi Ohtsuji(NEC) / WANG Xiaoyan(Ibaraki Univ.) / Akemi Tanaka(MathWorks) / Katsuya Suto(Univ. of Electro-Comm) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Smart Radio |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | ［招待講演］ガウス過程回帰の分散・低遅延化とその電波マップ構築への応用 |
| サブタイトル（和） | |
| タイトル（英） | [Invited Talk] Federated Learning-Inspired Gaussian Process Regression: Low Latency Design and Its Application to Radio Map Construction |
| サブタイトル（和） | |
| キーワード(1)（和/英） | ガウス過程回帰 / Gaussian process regression |
| キーワード(2)（和/英） | 分散機械学習 / distributed machine learning |
| キーワード(3)（和/英） | 空中計算 / over-the-air computation |
| キーワード(4)（和/英） | 電波マップ / radio map |
| 第 1 著者 氏名（和/英） | 佐藤 光哉 / Koya Sato |
| 第 1 著者 所属（和/英） | 電気通信大学(略称：電通大) The University of Electro-Communications(略称：UEC) |
| 発表年月日 | 2023-05-12 |
| 資料番号 | SR2023-20 |
| 巻番号（vol） | vol.123 |
| 号番号（no） | SR-19 |
| ページ範囲 | pp.91-91(SR), |
| ページ数 | 1 |
| 発行日 | 2023-05-04 (SR) |