| 講演名 | 2015-12-19 データの転送制御に基づく効率的な分散型SVMの学習法 湯川 輝一朗(早大), 三川 健太(早大), 後藤 正幸(早大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | 情報ネットワーク技術の発展に伴い，物理的に分散したデータベースにデータを保持することが可能となった．これらのデータを全て用いて知識発見を行う手法として分散データマイニング(DDM)の需要が高まっている．この手法の1つに任意のネットワークモデルに対しSVMを学習するD-SVMがある．D-SVMは任意のネットワークモデルのもと，少ない通信コストで学習データに対し，1 つの SVM のパラメータを学習することができるが，各データベースに保持されたデータの統計的特徴がその学習に必要な計算回数と通信コストに影響を与えていることが知られている．そこで本研究では，フルコネクト型のネットワークを仮定し，データの転送制御に基づいたD-SVMの学習法を提案することで学習に必要な計算回数と通信コストを削減する手法を提案し，評価実験からその有用性を示す． |
| 抄録(英) | Due to the development of information technology, the analysis of big data stored in various databases has become more important. From this kind of circumstance, the importance of Distributed Data Mining (DDM), which is the technique to implement data mining while each database doesn't transmit raw data to each other, has been advocated. As one of the methods, Forrero et al. proposed the method of learning optimal support vector machine (SVM) using the Alternating Direction Method of Multipliers (ADMM) in DDM. This method can learn the optimal hyperplane with low iterations and communication costs for any network structure without sharing their data. However, when the statistical characteristics of data stored in each node are quite different, this method requires large iterations until convergence. In this study, we propose a new learning method, which reduces the number of iterations considering network structure, provided that the all nodes are connected with each other. To verify the effectiveness of proposed method, a simulation experiment is conducted. |
| キーワード(和) | 分散データマイニング / サポートベクターマシン / グラフ構造 |
| キーワード(英) | Distributed Data Mining / Support Vector Machine / Graph Structure |
| 資料番号 | AI2015-51 |
| 発行日 | 2015-12-11 (AI) |
| 研究会情報 | |
| 研究会 | AI |
|---|---|
| 開催期間 | 2015/12/18(から2日開催) |
| 開催地（和） | 那覇市ぶんかテンブス館 |
| 開催地（英） | |
| テーマ（和） | 「コンテキストを意識した知識の利用」および一般 |
| テーマ（英） | |
| 委員長氏名（和） | 菅原 俊治(早大) |
| 委員長氏名（英） | Toshiharu Sugawara(Waseda Univ.) |
| 副委員長氏名（和） | 峯 恒憲(九大) / 片上 大輔(東京工芸大) |
| 副委員長氏名（英） | Tsunenori Mine(Kyushu Univ.) / Daisuke Katagami(Tokyo Polytechnic Univ.) |
| 幹事氏名（和） | 服部 宏充(京大) / 福田 直樹(静岡大) |
| 幹事氏名（英） | Hiromitsu Hattori(Kyoto Univ.) / Naoki Fukuda(Shizuoka Univ.) |
| 幹事補佐氏名（和） | 清 雄一(電通大) |
| 幹事補佐氏名（英） | Yuichi Sei(Univ. of Electro-Comm.) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Artificial Intelligence and Knowledge-Based Processing |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | データの転送制御に基づく効率的な分散型SVMの学習法 |
| サブタイトル（和） | |
| タイトル（英） | A Learning Method of Distributed Support Vector Machine Based on Transfer Control of Data |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 分散データマイニング / Distributed Data Mining |
| キーワード(2)（和/英） | サポートベクターマシン / Support Vector Machine |
| キーワード(3)（和/英） | グラフ構造 / Graph Structure |
| 第 1 著者 氏名（和/英） | 湯川 輝一朗 / Yukawa Kiichiro |
| 第 1 著者 所属（和/英） | 早稲田大学(略称：早大) Waseda University(略称：Waseda Univ.) |
| 第 2 著者 氏名（和/英） | 三川 健太 / Mikawa Kenta |
| 第 2 著者 所属（和/英） | 早稲田大学(略称：早大) Waseda University(略称：Waseda Univ.) |
| 第 3 著者 氏名（和/英） | 後藤 正幸 / Goto Masayuki |
| 第 3 著者 所属（和/英） | 早稲田大学(略称：早大) Waseda University(略称：Waseda Univ.) |
| 発表年月日 | 2015-12-19 |
| 資料番号 | AI2015-51 |
| 巻番号（vol） | vol.115 |
| 号番号（no） | AI-381 |
| ページ範囲 | pp.149-154(AI), |
| ページ数 | 6 |
| 発行日 | 2015-12-11 (AI) |