메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
강석규 (성균관대학교) 강용훈 (성균관대학교) 이지형 (성균관대학교)
저널정보
한국지능시스템학회 한국지능시스템학회 논문지 한국지능시스템학회 논문지 제31권 제4호
발행연도
2021.8
수록면
318 - 322 (5page)
DOI
10.5391/JKIIS.2021.31.4.318

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
기존의 연합학습 방법론들은 중앙 서버가 학습에 참여하는 모든 로컬 클라이언트 모델의 파라미터들을 일괄적으로 통합하는 방식으로 글로벌 모델을 업데이트 하기 때문에, Non-Independent Identically Distributed (Non-IID) 환경에서 치명적인 성능 저하가 일어난다. 본 논문에서는 첫 번째 Communication round 시 각 로컬 클라이언트 내에서 충분히 수렴된 모델들로 교차성능평가를 통해 학습에 방해되는 로컬 클라이언트를 제거해나가는 CE-method(Cross Elimination method)를 제안한다. 또한, 기존 연구들에서 통일되어있지 않은 Non-IID 환경을 정의하였다. CE-method는 중앙 서버가 로컬 클라이언트의 데이터에 직접 접근하지 않고도 학습에 방해되는 로컬 클라이언트를 제거함으로써 보다 효과적이고 효율적인 연합학습을 할 수 있도록 한다. 실험 결과 CE-method를 적용한 연합학습 알고리즘은 MNIST, FashionMNIST, SVHN, CIFAR-10 이미지 분류 task에 대해 기존 대비 높은 정확도와 Communication round 단축을 보장한다.

목차

요약
Abstract
1. 서론
2. 관련 연구
3. 제안 기법
4. 실험 환경 및 결과
5. 결론 및 향후 연구
References

참고문헌 (14)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0