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
- 학술저널
- 저자정보
- 발행연도
- 2023.2
- 수록면
- 266 - 274 (9page)
- DOI
- 10.7840/kics.2023.48.2.266
이용수
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
본 논문에선 자유롭게 분포된 디바이스가 연합 학습에 참여하기 위한 업로딩 지역을 제안한다. 업로딩 지역은 디바이스의 위치에 따른 경로 손실을 고려한 양자화 레벨에 따라 내곽과 외곽, 두 영역으로 나눠진다. 내곽 영역에 위치한 디바이스는 기지국과 가깝기 때문에 충분한 비트를 양자화 과정에 활용하지만, 외곽 영역에 위치한 디바이스는 기지국과 멀리 떨어져 있어 상대적으로 적은 비트를 양자화 과정에 활용한다. 따라서 이러한 양자화 이질성 환경을 고려하여 전역 학습 성능을 최대화하도록 로컬 학습을 최적화하였다. 아울러, 학습 성능을 최대로 하는 최적의 업로딩 지역의 크기를 찾기 위한 최적화 문제를 제안한다. 위의 결과는 다양한 개인 데이터를 가진 많은 수의 IoT 센서로 구성된 AI 인지 IoT 네트워크에 활용될 수 있다.
목차
요약
ABSTRACT
Ⅰ. 서론
Ⅱ. 본론
Ⅲ. 실험
Ⅳ. 결론
References
참고문헌 (12)
참고문헌 신청
W. Y. B. Lim, N. C. Luong, D. T. Hoang, Y. Jiao, Y.-C. Liang, Q. Yang, D. Niyato, and C. Miao, “Federated learning in mobile edge networks: A comprehensive survey,” IEEE Commun. Surv. & Tuts., vol. 22, no. 3, pp. 2031-2063, 3rd quarter 2020. (https://doi.
J. Wang and G. Joshi, “Cooperative SGD: A unified framework for the design and anaylsis of communication-efficient SGD algorithms,” J. Mach. Learn. Res., vol. 22, no. 213, pp. 1-50, 2021.
J. Wang and G. Joshi, “Adaptive communication strategies to achieve the best errorruntime trade-off in local update SGD,” in Proc. Conf. Mach. Learn. and Syst., vol. 1, pp. 126-145, 2019.
D. Alistarh, D. Grubic, J. Li, R. Tomika, and M. Vojnovic, “QSGD: Communicationefficient SGD via gradient quantization and encoding,” in Proc. Advances in NIPS, pp. 1709-1720, 2017.
P. Liu, J. Jiang, G. Zhu, L. Cheng, W. Jiang, W. Luo, Y. Du, and Z. Wang, “Training time minimization in quantized federated edge learning under bandwidth constraint,” in 2022 IEEE WCNC, pp. 530-535, Apr. 2022. (https://doi.org/10.1109/WCNC51071.2022.9771
J. Wang and G. Joshi, “Cooperative SGD: A unified framework for the design and anaylsis of communication-efficient SGD algorithms,” J. Mach. Learn. Res., vol. 22, no. 213, pp. 1-50, 2021.
J. Wang and G. Joshi, “Adaptive communication strategies to achieve the best errorruntime trade-off in local update SGD,” in Proc. Conf. Mach. Learn. and Syst., vol. 1, pp. 126-145, 2019.
D. Alistarh, D. Grubic, J. Li, R. Tomika, and M. Vojnovic, “QSGD: Communicationefficient SGD via gradient quantization and encoding,” in Proc. Advances in NIPS, pp. 1709-1720, 2017.
P. Liu, J. Jiang, G. Zhu, L. Cheng, W. Jiang, W. Luo, Y. Du, and Z. Wang, “Training time minimization in quantized federated edge learning under bandwidth constraint,” in 2022 IEEE WCNC, pp. 530-535, Apr. 2022. (https://doi.org/10.1109/WCNC51071.2022.9771
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
업로딩 지역에 따른 연합 학습의 학습 성능 분석
한국통신학회 학술대회논문집
2022 .06
-
연합학습 과정에서의 양자화 매개변수 학습
한국정보과학회 학술발표논문집
2020 .07
-
양자화 이질성이 존재하는 환경에서 연합 학습의 로컬 학습 횟수 최적화 기법에 관한 연구
한국통신학회 학술대회논문집
2022 .02
-
양자화가 얼굴 인식 성능에 끼치는 영향 분석
한국정보과학회 학술발표논문집
2022 .12
-
IoT 환경을 위한 점수 기반 연합학습 기법 제안
대한전자공학회 학술대회
2024 .11
-
임베디드 시스템에서의 양자화 기계학습을 위한 효율적인 양자화 오차보상에 관한 연구
방송공학회논문지
2020 .03
-
온디바이스 IoT 수집 데이터를 활용한 Federated learning의 적합성과 가능성
대한전자공학회 학술대회
2021 .11
-
경량 딥러닝 모델의 초저정밀도 양자화를 위한 학습 방식의 개선
대한전자공학회 학술대회
2020 .11
-
레이어 별 양자화 오류 최적화 기법 중심 거대 언어 모델에 대한 훈련 후 양자화 최신 기술 분석
한국통신학회 학술대회논문집
2024 .11
-
SWNQ: 스케일링된 가중치 정규화 기반 사후학습 양자화 기법
한국통신학회논문지
2021 .03
-
강화학습기반 지능모델 양자화 적용 가능성 연구
한국정보과학회 학술발표논문집
2022 .12
-
중요도 기반 딥러닝 네트워크 학습 중 양자화 기법
대한전자공학회 학술대회
2022 .06
-
심층신경망의 Quantization 학습에 대한 시간과 정확도의 Trade-Off 분석 및 최소 학습량 도출
한국정보과학회 학술발표논문집
2020 .12
-
균일 양자화 기법의 성능 비교 분석
한국통신학회 학술대회논문집
2024 .11
-
하드웨어 구현에 효율적인 Power-of-Two 균일 양자화 기법 연구
대한전자공학회 학술대회
2021 .06
-
연합학습에서의 양자화 레벨에 따른 영향 분석
대한전자공학회 학술대회
2021 .06
-
미세먼지 측정을 위한 IoT 센서 디바이스 설계
대한전자공학회 학술대회
2015 .11
-
임베디드 시스템에서의 객체 탐지 네트워크 양자화
대한전자공학회 학술대회
2023 .06
-
DNN 계층별 출력 뉴런 수에 기반한 고속 양자화 기법
대한전자공학회 학술대회
2024 .11
-
위성탑재 영상레이다 디지털 수신기에서의 양자화 영향성 분석
한국항공우주학회지
2021 .11
이 논문의 저자 정보
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0101-2023-567-000453305