@techreport{oai:ipsj.ixsq.nii.ac.jp:00178503,
 author = {福島, 悠太 and 三浦, 太樹 and 濱谷, 尚志 and 山口, 弘純 and 東野, 輝夫 and Yuta, Fukushima and Daiki, Miura and Takashi, Hamatani and Hirozumi, Yamaguchi and Teruo, Higashino},
 issue = {18},
 month = {Feb},
 note = {近年の IoT データのクラウド集約と機械学習は,通信にかかる電力やクラウドのデータ処理量など様々な制約により限界を迎えようとしており,処理集中を抑制しながら効率よくセンシングおよび学習解析処理を行えるアーキテクチャが望まれる.本研究では深層学習を対象に,それをデータ発生源であるセンサー機器からなるローカルな無線センサーネットワーク内で分散実行する新しいアーキテクチャを提案し,そのための分散実行プロトコルならびにアルゴリズムを提案する.提案手法はメッシュ型の無線センサーネットワークが面的に取得するデータ (例えば温度分布など) を対象とし,センサーノードに深層学習におけるユニットの役割を割当てる.それらユニットが用いる畳み込み処理 (フィルター) やプーリング,および逆伝搬のデータ処理範囲を制約することで,各ノードへの処理量をほぼ均等に分散しながら近隣ノードとのデータ交換を必要最小限に抑制する.提案手法の有効性を評価するため,センサーネットワーク内の特定ノードがデータ集約と学習を行う集約型とのノード毎のデータ通信量の比較を行った結果,集約型の特定ノードの負荷と比較して各ノードの通信量を抑制可能な深層学習パラメータ設計が可能であることがわかった.また,実在するラウンジスペースにおいて収集した 50 地点の室温データの異常判定を行うシナリオにおいて,上述のパラメータ設定を用いても十分な精度の判定器を構成できることがわかった.},
 title = {無線センサーネットワークにおける深層学習の分散実行に関する検討},
 year = {2017}
}