2022 Fiscal Year Annual Research Report
横のつながりで自己組織化的に発展する協調学習プラットフォームの創出
| Project/Area Number |
22H03572
|
|---|
| Allocation Type | Single-year Grants |
|---|
| Research Institution | The University of Tokyo |
|---|
Principal Investigator |
落合 秀也 東京大学, 大学院情報理工学系研究科, 准教授 (10615652)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
松井 加奈絵 東京電機大学, システムデザイン工学部, 准教授 (30742241)
Hossain Md・Delwar 奈良先端科学技術大学院大学, 先端科学技術研究科, 助教 (60911724)
|
|---|
| Project Period (FY) |
2022-04-01 – 2025-03-31
|
| Keywords | 機械学習 / アドホックネットワーク / 自律分散 / Edge AI |
|---|
| Outline of Annual Research Achievements |
横のつながりによる協調的機械学習として、Wireless Ad Hoc Federated Learning (WAFL) の基礎理論の構築とベンチマークによる評価実験を行い、論文として整理した。また、Autoencoderとの組み合わせによる WAFL-Autoencoderを開発し、MNISTベンチマークデータセットを用いて、Global Anomaly を検知するモデルの評価実験を行った。マルチタスクへの応用モデルとして、ブレインストーマと呼ぶAIを想定し、MT-WAFLを開発した。そして、Fashion-MNISTの回転画像・拡大縮小画像を用いることで、マルチタスクシナリオにおいても、WAFLが有効に機能することを評価検証した。また、Wi-Fiアクセスポイントの信号強度(RSSI)に対して、WAFLを使い、屋内環境における自己位置推定のマップ生成を自律分散的に協調して行えることを示した。WAFLのModel Poisoning Attackに対する耐性については理論的な考察と評価実験を行った。そして、WAFL-GANの理論構築と基礎的な有効性の評価検証をMNISTデータセットにより行った。ネットワークセキュリティ分野においては、独立した通信ネットワークでローカルに侵入検知の学習をしたモデルをFLで統合する際のNon-IID特性に関する課題について分析した。これらの研究を通じて、Edge AIアプリケーションに対する知見や課題が多く得られた。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
WAFLに関しては、WAFL-Autoencoder, MT-WAFL, WAFL-GAN, WAFLのセキュリティに関する研究を行い。WAFL-GANおよびWAFLのセキュリティに関する論文の採録＆発行に至った。WAFL本体およびWAFL-Autoencoder、MT-WAFLについてはハイレベルの学会に投稿中であり、今後の対応が必要かもしれない。
|
| Strategy for Future Research Activity |
これまでのWAFLは、モデルのGeneralizationをメインに考えてきたが、実際の運用シナリオでは、個々のデバイスにモデルを適応させるPersonalizationも併せて検討する必要があることが判明している。また、WAFLでは大型のモデルをノード間で交換することは実質的にはできないが、画像認識等への応用では大型モデルを扱う必要があり、Pre-trained Modelを活用した方法も検討しているところである。屋内環境に関する研究は、分散環境におけるビルの監視・制御、ネットワークセキュリティは、複数のデバイスで得られたデータに基づくモデルの汎化に関する研究を進めていく予定である。
|
