| 研究課題/領域番号 |
21K11850
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分60060:情報ネットワーク関連
|
|---|
| 研究機関 | 東京国際大学 (2022-2023)
公立諏訪東京理科大学 (2021) |
|---|
研究代表者 |
土屋 健 東京国際大学, データサイエンス教育研究所, 教授 (90546251)
|
|---|
| 研究期間 (年度) |
2021-04-01 – 2025-03-31
|
| 研究課題ステータス |
交付 (2023年度)
|
| 配分額 *注記 |
4,160千円 (直接経費: 3,200千円、間接経費: 960千円)
2023年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
2022年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
2021年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
|
|---|
| キーワード | 分散機械学習 / ブロックチェーン / 分散システム / 特徴モデル結合 / 分散プラットフォーム / フォグコンピューティング / 機械学習プラットフォーム / データ集積 / 分散管理 |
|---|
| 研究開始時の研究の概要 |
ビッグデータ解析は， 利用者の環境情報， Web閲覧履歴など利用ログをサーバ・クラウドへデータを集積して行われている． サーバ側は， データの増大， 処理の複雑化の課題に直面している． 本研究は, データを集積せず， サーバ単位・サービスドメインノードに分散する学習データで機械学習を実現する情報基盤を提案する． 利用者は適用する機械学習のタスク特性に応じて特徴モデルを選択， 結合により， 直接データ学習せずに特徴モデルを得る． 結果として， 本研究は，学習データ分散による負荷の低減， 安全な学習データの2次利用，対象タスクに適応した特徴モデルの構築を可能とする機械学習向け分散情報基盤を目指す．
|
| 研究実績の概要 |
本年度は， 昨年度までに明らかにしていた分散機械学習を実現するフレームワークを利用したアプリケーションとしてweb広告の選定へ適用に関する検討を進め，学術論文として発表を行なった．そして，これまでの課題であった結合可能となる機械学習モデルをユーザが検索，取得を可能とするための分散ネットワークでの管理手法を明らかにした．
提案している分散機械学習基盤を利用したアプリケーションとして，提案手法をweb広告の選定に適用した手法を提案し，成果を論文として発表した．しかし，論文は従来手法の課題を解決した手法としての提案と，簡単な評価のみである．従来手法と比較して充分な性能をもたないため早急な改善が必要であった．
本来であれば，最終年として，分散ネットワークで実装した管理手法の評価と，これまでに構築した分散機械学習基盤を実システムとして運用を想定した大規模データを用いた評価を行う予定であったが，年度内に終了できなかった．そのため，研究期間の延長によって完了させたいと考えている．
前年度までは，結合可能な機械学習モデルの取得に関して検討していなかった．そこで本年では，利用者が自ら選定し，結合を可能とする手法として，分散ネットワーク上で管理する手法を検討した．この結果，ブロックチェーンのブロックとして機械学習モデルを管理する手法を採用した．そして，利用者がこのブロックである機械学習モデルをそれぞれが取得するプロトコルを実行できるようスマートコントロールを利用すた手法を提案している．現在までに実装し，動作を確認している．今後，早急に評価を行う予定である．
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
3: やや遅れている
理由
研究自体の進捗は当初の予定通り検討を進め，手法を提案していることから問題ないと考えている．しかし，評価を行うためのサーバ，関連する部品の調達に想定よりも時間を要していたこと，環境の構築に時間を要した．そのため，評価に遅れと，その結果を用いた成果発表が遅れた．これに起因して，研究全体の進捗が遅くなっていると考えている．
|
| 今後の研究の推進方策 |
本年度では，研究期間を延長したため，新しい取り組みは行わない予定である．しかし，これまでの検討において，遅延している評価を早急に進め，研究発表を積極に行う予定である．そして，研究を総括できるようこれまでの課題に対する改善と，課題を明確にしたいと考えています．
|
