グラフ転移学習と最適輸送に基づく時変ネットワークのための非同期カルマンフィルタ

• Item type: SIG Technical Reports(1)
• 公開日: 2024-02-22
• タイトル: グラフ転移学習と最適輸送に基づく時変ネットワークのための非同期カルマンフィルタ
• タイトル / 言語: en
• タイトル: Asynchronous Kalman Filtering for Time-varying Networks Based on Graph Transfer Learning and Optimal Transport
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: SIP1
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: 大阪大学工学部
• 著者所属: 大阪大学工学研究科
• 著者所属: 大阪大学工学研究科
• 著者所属: 大阪大学工学研究科
• 著者所属(英): en
• 著者所属(英): Graduate School of Engineering, Osaka University
• 著者所属(英): en
• 著者所属(英): Division of Electrical and Information Engineering, School of Engineering, Osaka University
• 著者所属(英): en
• 著者所属(英): Division of Electrical and Information Engineering, School of Engineering, Osaka University
• 著者所属(英): en
• 著者所属(英): Division of Electrical and Information Engineering, School of Engineering, Osaka University
• 著者名: 福原, 伝博; 原, 惇也; 東, 広志; 田中, 雄一
• 著者名(英): Tsutahiro, Fukuhara; Junya, Hara; Hiroshi, Higashi; Yuichi, Tanaka
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 本報告では，異なる 2 種の時変ネットワーク間で，交互に最新のネットワーク状態を推定するためのカルマンフィルタを提案する．具体的には，グラフノード間の関係性の強度，すなわち辺の重みとしてネットワーク状態を定義し，これを推定することを考える．様々な制約からセンサ数や計算資源は限られているため，特に大規模ネットワークにおいて全ての状態を監視したり，管理したりすることは現実的に困難である．この問題を回避するため，ネットワークから統計的性質が類似したノードの集合（コミュニティ）を取り出し，コミュニティに対して統計的解析を行った後に，その解析結果を他のコミュニティに利用することを考える．この場合，コミュニティ間のノード数が異なることから，適切にカルマンフィルタのパラメータ群を転移する技術が必要となる．そこで，本報告では，2 種の非同期なネットワーク間の協調的カルマンフィルタを提案する．提案手法では，2 種のコミュニティ間で交互にカルマンフィルタの状態推定を行う．コミュニティ間のパラメータ群転移には最適輸送を用いる．まず，状態空間モデルを原ネットワーク上で定式化し，最適輸送に基づいて被転移ネットワークから転移ネットワーク上へパラメータ群を移す．次に，ベイズ推定に基づいたグラフフィルタ転移手法を用いて，転移ネットワーク上でカルマンフィルタを導出する．合成データを用いた状態推定実験において，提案手法が既存手法に比べて優れた性能を示したので報告する．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: This report presents a filter transfer method for tracking and estimating dynamic states, i.e., Kalman filtering, between two different time-varying networks. A network state represents the inter-node significance, which is formulated as an edge weight of the graph. However, in practice, monitoring all states of a large network over time is infeasible due to the limited sensing and storage burden. To avoid the problem, one may extract one community from the network and perform an intra-community analysis based on the statistics in each community. Then, the statistics are utilized for analysis of another community. This leads to the requirement to transfer a set of parameters in Kalman filter from one community to the others. In this report, we propose a cooperative Kalman filter between two asynchronous networks. The proposed Kalman filter performs its estimation alternately in time between two communities. We formulate a state-space model in the source domain and transfer it into the target domain based on optimal transport. To this aim, we apply a graph filter transfer method based on Bayesian inference. The experiments on synthetic data demonstrate that the proposed method effectively estimates the current state in the two time-varying networks.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AN10442647
• 書誌情報: 研究報告音声言語情報処理（SLP）; 巻 2024-SLP-151, 号 32, p. 1-2, 発行日 2024-02-22
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-8663
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会