Earticle

현재 위치 Home

통신상황에 따른 모델 전송 지연을 고려한 연합학습 분석
Analysis of Federated Learning Considering Model Transmission Delay Depending on Communication Situation

첫 페이지 보기
  • 발행기관
    국제차세대융합기술학회 바로가기
  • 간행물
    차세대융합기술학회논문지 KCI 등재 바로가기
  • 통권
    제6권 3호 (2022.03)바로가기
  • 페이지
    pp.379-388
  • 저자
    이웅희
  • 언어
    한국어(KOR)
  • URL
    https://www.earticle.net/Article/A409408

※ 기관로그인 시 무료 이용이 가능합니다.

4,000원

원문정보

초록

영어
Federated learning (FL) is a learning method suitable for the intelligent Internet of Things (IoT), and in a situation where data is decentralized, a number of IoT devices and a server cooperate to build a global model in FL. Since FL includes communication processes to perform learning, efficient communication is connected directly to better performance of FL. Therefore, in this paper, we analyzed the transmission of learning models and the learning round progress of FL by considering the communication situation. We analyzed the transmission delay of devices and the transmissions of local and global models depending on the communication situation in FL. As a result, the analysis shows that the communication situation is the major factor affecting FL performance because large amounts of communication are repeated frequently in FL and that it is important to adjust various parameters of FL properly by considering the communication situation.
한국어
기술의 발전으로 사물인터넷은 스스로 판단하고 동작을 수행하는 인공지능 기반의 지능형 사물인터넷으 로 발전하고 있다. 연합학습은 지능형 사물인터넷에 적합한 학습 방법으로서, 데이터가 탈중앙화된 상황에서 다수 의 사물인터넷 기기들과 서버가 협력하여 글로벌 모델을 학습시킨다. 연합학습은 학습을 수행하기 위해 통신 과정 이 필수적으로 포함되므로 효율적인 통신은 곧 연합학습의 성능향상으로 직결된다. 본 논문에서는 통신상황에 따 른 연합학습에서의 모델 전송 및 학습 라운드 진행에 대한 분석을 수행하였다. 그 과정에서 연합학습에서의 통신 상황에 따른 참여 기기들의 전송 소요 시간, 전송 로컬 모델 수 및 글로벌 모델 전송에 대한 분석을 수행하였다. 그 결과, 연합학습을 수행하기 위한 여러 과정들에서 많은 양의 통신이 반복적으로 수행되기 때문에 통신상황은 연합학습 성능에 영향을 주는 주요한 요소임을 보였으며, 학습에 참여하는 최소 기기 수와 한 라운드 소요 시간의 상한이 통신상황에 따라 적절하게 조절되어야 지연 없는 연합학습 수행이 가능함을 보였다.

목차

요약
Abstract
Ⅰ. 서론
Ⅱ. 관련연구
Ⅲ. 분석
3.1 분석을 위해 가정된 상황
3.2 통신상황에 따른 기기의 전송 소요시간 분석
3.3 통신 상황에 따른 전송된 로컬 모델 수 분석
3.4 통신 상황에 따른 글로벌 모델 전송분석
Ⅳ. 결론
REFERENCES

키워드

연합학습 지능형 사물인터넷 통신상황 네트워크 분석 학습성능 Federated learning Intelligent Internet of Things Communication situation Network analysis Learning performance

저자

  • 이웅희 [ Woonghee Lee | 한성대학교 AI응용학과 조교수 ] Corresponding author

참고문헌

자료제공 : 네이버학술정보

간행물 정보

발행기관

  • 발행기관명
    국제차세대융합기술학회 [International Next-generation Convergence technology Association]
  • 설립연도
    2017
  • 분야
    복합학>기술정책
  • 소개
    Ever since next generation convergence technology became one of the most important industries in the nation, computing professionals have encountered a growing number of challenges. Along with scholars and colleagues in related fields, they have gathered in avariety of forums and meetings over the last few decades to share their knowledge, experiences and the outcome of their research. These exchanges have led to the founding of the International Next-generation Convergence technology (INCA) on December 1, 2015. INCA was registered as an incorporated association under the Ministry of Information and Communications. The main purpose of the organization is to improve our society by achieving the highest capability possible in next generation convergence technology.

간행물

  • 간행물명
    차세대융합기술학회논문지 [The Journal of Next-generation Convergence Technology Association]
  • 간기
    월간
  • pISSN
    2508-8270
  • 수록기간
    2017~2026
  • 등재여부
    KCI 등재
  • 십진분류
    KDC 506 DDC 606

이 권호 내 다른 논문 / 차세대융합기술학회논문지 제6권 3호

    피인용수 : 0건 (자료제공 : 네이버학술정보)

    함께 이용한 논문 이 논문을 다운로드한 분들이 이용한 다른 논문입니다.

      출처 : 네이버학술정보

        0개의 논문이 장바구니에 담겼습니다.

        페이지 저장
        소속기관 조회
        이용자님의 소속기관(단체)이 서비스에 가입되어 있는지 확인해 보십시오.
        기관회원에 소속되어 있는 이용자는 원문을 무료로 이용할 수 있습니다.