A Study on Adaptive Distributed Real-time Machine Learning Infrastructure
Project/Area Number |
19H04089
|
Research Category |
Grant-in-Aid for Scientific Research (B)
|
Allocation Type | Single-year Grants |
Section | 一般 |
Review Section |
Basic Section 60050:Software-related
|
Research Institution | National Institute of Informatics |
Principal Investigator |
竹房 あつ子 国立情報学研究所, アーキテクチャ科学研究系, 教授 (70345411)
|
Co-Investigator(Kenkyū-buntansha) |
小口 正人 お茶の水女子大学, 基幹研究院, 教授 (60328036)
中田 秀基 国立研究開発法人産業技術総合研究所, 情報・人間工学領域, 主任研究員 (80357631)
|
Project Period (FY) |
2019-04-01 – 2022-03-31
|
Project Status |
Granted (Fiscal Year 2021)
|
Budget Amount *help |
¥17,420,000 (Direct Cost: ¥13,400,000、Indirect Cost: ¥4,020,000)
Fiscal Year 2021: ¥5,330,000 (Direct Cost: ¥4,100,000、Indirect Cost: ¥1,230,000)
Fiscal Year 2020: ¥5,460,000 (Direct Cost: ¥4,200,000、Indirect Cost: ¥1,260,000)
Fiscal Year 2019: ¥6,630,000 (Direct Cost: ¥5,100,000、Indirect Cost: ¥1,530,000)
|
Keywords | クラウドコンピューティング / エッジコンピューティング / リアルタイム処理 / 機械学習処理基盤 |
Outline of Research at the Start |
本研究では、応答時間、認識精度、電力効率、コスト、信頼性を考慮した高効率なリアルタイム機械学習処理基盤の構築手法を開発する。 エッジから広域無線ネットワーク、広域ネットワーク、クラウドを跨って横断的に形成する基盤の高効率化を目指し、実環境で利用コストを大幅に削減できることを実証する。 本研究により、CPS基盤全般における設計指針を得て、次世代サービスアプリケーションの創出とその高度な最適化を可能にする。
|
Outline of Annual Research Achievements |
本研究では、動画像解析を伴うサイバーフィジカルシステム(CPS)のための高効率な適応的広域リアルタイム機械学習処理基盤の構築を目的とし、適応的エッジ処理手法の開発、適応的クラウドリアルタイム解析手法の開発、高効率エッジ、クラウド制御手法の開発と、それらの実広域環境での評価を行う。 2020年度は、(a)エッジ、クラウド制御に向けた監視手法、(b)クラウドリアルタイム解析手法と、(c)ターゲットアプリケーションとなる動画像解析手法の研究・開発を進めた。 (a)エッジ、クラウド制御に向けた監視手法の開発では、エッジ側では国立情報学研究所で開発しているIoTシステム用ミドルウェアSINETStreamのPython版のメトリクス収集APIを用い、エッジクライアントで通信状況の測定を可能にする通信性能評価ツールを開発し、SINETStreamのGitHubサイトで公開した。また、クラウド側の監視には、同じく国立情報学研究所で開発しているVCPの監視機能で必要な情報が収集できることを確認した。 (b)クラウドリアルタイム解析手法の研究開発では、エッジ端末で動画像の特徴量抽出を行うことを前提とし、Apache Kafkaメッセージブローカで特徴量データを収集し、Apache Flink分散ストリーム処理基盤で並列推論処理を行うシステムを構築し、そのスケーラビリティを確認した。 (c)動画像解析手法の研究では、動画像からの室内動作推定での学習精度を上げるため、合成データを活用した学習手法を検討した。 本研究の成果は、学術雑誌1件に採択されるとともに、国内査読付き会議および研究会等で8件の発表がなされた。
|
Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
エッジ、クラウドでの監視手法の開発、クラウドリアルタイム解析手法のスケーラビリティの実証、動画像解析の学習精度向上にむけた検討を行うことができた。
|
Strategy for Future Research Activity |
高効率な適応的広域リアルタイム機械学習処理基盤の構築を進めるとともに、ターゲットアプリケーションとなる動画像解析の学習精度向上にむけた合成データの活用についてさらに研究を進める。
|
Report
(2 results)
Research Products
(18 results)