@techreport{oai:ipsj.ixsq.nii.ac.jp:00233466, author = {中田, 雅貴 and 細合, 晋太郎 and 金子, 竜也 and 高前田, 伸也 and 中村, 宏 and 高瀬, 英希}, issue = {35}, month = {Mar}, note = {IoT 技術の進展により,分散型の機械学習システムが普及しつつある.多様な通信品質によって分散されたデータおよび計算資源が介在するため,AI の信頼性を担保することの重要性がますます高まっている.本研究の目的は,分散型の機械学習のうち特に非中央集権型の連合学習(Decentralized Federated Learning,DFL)に着目し,この信頼性を効率的に評価するための基盤技術を確立することである.本研究では,通信品質に応じた DFL の挙動を評価できるシミュレーション環境の検討に取り組む.最大の特徴は,DFL の効率化の争点である通信と推論精度のトレードオフを反映しつつ,多数のデバイスが参加する状況における DFL の信頼性を評価できることを目指す点である.本研究では,設計要件を整理し,通信品質を考慮したシミュレータのソフトウェア構成とその動作フローを設計する.実装にあたっては,スケーラビリティの実現のため,高い並列性能を有するプログラミング言語 Elixir を採用する.提案手法の動作を検証し,100 台のデバイスが参加する DFL の振る舞いを評価できることを確認した.}, title = {非中央集権型連合学習システムの評価基盤の検討}, year = {2024} }