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
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
김선욱 (강원대학교) 이현수 (한국제약바이오협회) 방준일 (강원대학교) 홍성은 (강원대학교) 김화종 (한국제약바이오협회)
저널정보
한국통신학회 한국통신학회논문지 한국통신학회논문지 제46권 제11호
발행연도
2021.11
수록면
1,941 - 1,949 (9page)
DOI
10.7840/kics.2021.46.11.1941

이용수

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

이 논문의 연구 히스토리 (2)

2021

통계적 이질성 문제 해결을 위한 데이터 분포 추정 기반 확률적 샘플링 기법을 적용한 연합학습 구현
김선욱 ,  이현수 ,  방준일 외 2명 한국통신학회논문지 2021.11 학술저널
연합학습 통계적 이질성 문제 해결을 위한 데이터 분포 추정 기반 확률적 샘플링 기법에 관한 연구
김선욱 ,  이현수 ,  홍성은 외 1명 한국통신학회 학술대회논문집 2021.02 학술대회자료

초록· 키워드

오류제보하기
연합학습 통계적 이질성이란 연합학습에 참여하는 다수의 사용자가 사용하는 디바이스, 동적 환경 및 시공간으로부터 수집된 데이터에서 IID(Independent Identically Distributed) 조건을 만족하지 못하고 불균형한 분포 특성(Non-Independent Identically Distributed)을 나타내는 것을 의미한다. 본 논문은 연합학습의 통계적 이질성 문제를 해결하기 위해 로컬 데이터 분포에 기반하여 글로벌 데이터 분포 추정하고, 확률적으로 데이터 샘플링을 수행하는 프로세스를 제안하고 직접 구현하여 성능을 비교한다. 로컬 데이터에 직접적인 접근 없이 로컬 데이터의 분포를 통해 전체 데이터의 분포를 추정하여 로컬 데이터의 분포를 조정한다. 공개된 연합학습 프레임워크에 프로세스 기능을 추가하는 형태로 구현하여 MNIST(Modified National Institute of Standards and Technology database) 데이터를 이용해 분류 모델을 학습시킨다. 일반 연합학습과 본 연구에서 제안한 샘플링 기법을 적용한 연합학습을 다양한 환경의 클라이언트에서 100라운드까지 수행한 후 성능을 비교한 결과, 평균 0.91의 Accuracy와 평균 0.98의 AUROC(Area Under the Receiver Operating Characteristic Curve)로 비슷한 수준의 성능을 보이지만 라운드당 약 9% 정도의 학습 시간 단축과 로컬 클라이언트 사이에서 발생하는 성능 이질성을 약 1.5% 감소시켰다.
#연합학습 #클래스 불균형 #샘플링 #데이터 이질성 #Federated Learning #Class Imbalance #Sampling #Heterogeneous Data

목차

요약
ABSTRACT
Ⅰ. 서론
Ⅱ. 관련 연구
Ⅲ. 본론
Ⅳ. 실험
Ⅴ. 결론
References

참고문헌 (10)

참고문헌 신청
S. U. Kim and H. J. Kim, “A study on probabilistic sampling techniques based on data distribution estimation to solve federated learning statistical heterogeneity problems,” in Proc. Symp. KICS, pp. 771-772, Yong Pyeong, Korea, Feb. 2021. google schola L. Wang, S. Xu, X. Wang, and Q. Zhu, “Addressing class imbalance in federated learning,” AAAI 2021, Aug. 2020. google schola M. Yang, A. Wong, H. Zhu, H. Wang, and H. Qian, “Federated learning with class imbalance reduction,” Retrived May., 9, 2021, from https://arxiv.org/abs/2011.11266, Nov. 2020. google schola D. Li and J. Wang, “FedMD : Heterogenous federated learning via model distillation,” Retrived May., 9, 2021, from https://arxiv.org/abs/1910.03581, Oct. 2019. google schola S.-J. Hahn and J. Lee, “Privacy-preserving federated bayesian learning of a generative model for imbalanced classification of clinical data,” Retrived May., 9, 2021, from https://arxiv.org/abs/1910.08489, Nov. 2019. google schola

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

교차소거법을 이용한 Non-IID 환경에서의 연합학습 프레임워크 설계
강석규 ,  강용훈 ,  이지형 한국지능시스템학회 논문지 2021 .08
연합학습(Federated Learning) 네트워크에서의 형평성 보장 기법에 관한 연구
김영찬 ,  김훈 한국통신학회논문지 2023 .06
분산형 데이터를 학습하는 연합 학습의 의료분야 적용에 관한 연구
홍성은 ,  방준일 ,  김화종 한국통신학회 학술대회논문집 2021 .06
클래스 불균형 문제에 연합학습 적용을 위한 최적화 기법 연구
이현수 ,  홍성은 ,  방준일 외 1명 한국정보기술학회논문지 2021 .01
통신네트워크를 위한 연합학습: 응용 및 도전과제
설기현 ,  소성현 ,  박희재 외 1명 한국통신학회 학술대회논문집 2023 .06

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2021-567-002165842