지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술대회자료
- 저자정보
- 발행연도
- 2020.9
- 수록면
- 150 - 154 (5page)
이용수
초록· 키워드
오류제보하기
Federated learning is a distributed learning method that trains a deep network on user devices without collecting data from central server. It is useful when the central server can’t collect data. However, the absence of data on central server means that deep network compression using data is not possible. Deep network compression is very important because it enables inference even on device with low capacity. In this paper, we proposed a new quantization method that significantly reduces FPROPS(floating-point operations per second) in deep networks without leaking user data in federated learning. Quantization parameters are trained by general learning loss, and updated simultaneously with weight. We call this method as OQFL(Optimized Quantization in Federated Learning). OQFL is a method of learning deep networks and quantization while maintaining security in a distributed network environment including edge computing. We introduce the OQFL method and simulate it in various Convolutional deep neural networks. We shows that OQFL is possible in most representative convolutional deep neural network. Surprisingly, OQFL(4bits) can preserve the accuracy of conventional federated learning(32bits) in test dataset.
목차
Abstract
I. INTRODUCTION
II. RELATED WORK
III. METHOD
IV. RESULT
V. CONCLUSION AND FUTURE WORK
VI. REFERENCES
참고문헌 (0)
참고문헌 신청함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
경량 딥러닝 모델의 초저정밀도 양자화를 위한 학습 방식의 개선
대한전자공학회 학술대회
2020 .11
-
심층신경망의 Quantization 학습에 대한 시간과 정확도의 Trade-Off 분석 및 최소 학습량 도출
한국정보과학회 학술발표논문집
2020 .12
-
Mixed precision과 적응적 bias을 활용한 8-bit 부동소수점 양자화
대한전자공학회 학술대회
2021 .06
-
DNN 계층별 출력 뉴런 수에 기반한 고속 양자화 기법
대한전자공학회 학술대회
2024 .11
-
연합학습에서의 양자화 레벨에 따른 영향 분석
대한전자공학회 학술대회
2021 .06
-
임베디드 시스템에서의 객체 분류를 위한 인공 신경망 경량화 연구
로봇학회 논문지
2022 .06
-
중요도 기반 딥러닝 네트워크 학습 중 양자화 기법
대한전자공학회 학술대회
2022 .06
-
Economic Trend Prediction and Belief Quantization using Deep Learning and Control Line
대한산업공학회 춘계공동학술대회 논문집
2016 .04
-
임베디드 시스템에서의 객체 탐지 네트워크 양자화
대한전자공학회 학술대회
2023 .06
-
하드웨어 구현에 효율적인 Power-of-Two 균일 양자화 기법 연구
대한전자공학회 학술대회
2021 .06
-
음의 임계값을 이용한 딥뉴럴네트워크의 하드웨어 친화적 양자화
대한전자공학회 학술대회
2021 .06
-
Octree 기반의 개선된 K-means 색상 양자화
한국컴퓨터정보학회논문지
2015 .12
-
Communication-Efficient Federated Distributed Online Learning
한국통신학회 학술대회논문집
2022 .02
-
효율적인 심층신경망 구조를 위한 새로운 가중치 예측 기반 양자화 방법
한국정보과학회 학술발표논문집
2019 .06
-
Performance Analysis of Linear Quantization and Non-linear Quantization for DOCSIS 3.0 Signal Compression
한국통신학회 학술대회논문집
2017 .06
-
심층신경망 양자화 시뮬레이터를 위한 교차 추론
정보 및 제어 논문집
2020 .10
-
신경망 양자화를 이용한 딥러닝 모델의 추론 수행에서의 메모리 효율성 개선
한국정보과학회 학술발표논문집
2020 .07
-
Flower 프레임워크를 사용한 연합 학습 성능 분석
대한전자공학회 학술대회
2023 .06
-
Deep Convolutional Neural Network를 이용한 멀티 뷰 준지도학습
한국정보과학회 학술발표논문집
2020 .07
-
연합학습 과정에서의 양자화 매개변수 학습
한국정보과학회 학술발표논문집
2020 .07
이 논문의 저자 정보
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0101-2021-567-001678313