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

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
박성환 (중앙대학교) 이재우 (중앙대학교)
저널정보
한국정보통신학회 한국정보통신학회논문지 한국정보통신학회논문지 제27권 제2호
발행연도
2023.2
수록면
192 - 198 (7page)
DOI
10.6109/jkiice.2023.27.2.192

이용수

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

초록· 키워드

오류제보하기
연합학습은 데이터 전송 비용 문제 및 데이터의 개인정보 침해 우려를 해결한 인공지능 학습 전략이다. 하지만 높은 확장성을 제공하기 위한 목적으로 P2P 네트워크 환경에서 연합학습을 수행하면 서버-클라이언트 구조에 비해 더 많은 양의 통신 비용이 발생하게 된다. 이에 선행 Push Gossip 과정에서는 Score 기반의 매우 작은 크기의 데이터만 전송하고, Pull Gossip 과정에서 Model을 전달받는 Score-and-Model 방식을 활용한 FedSnM을 제안한다. 해당 알고리즘을 통해 기존 FedAvg에 비해 총 통신 횟수를 88.5% 절감하면서도 4.26% 더 높은 정확도를 보였다. 또한, FedPSO에 비해 가장 많은 통신을 수행한 클라이언트 기준으로 통신 횟수를 68.3% 절감하며 하나의 클라이언트에게 부하가 집중되는 현상을 개선했다. 더불어 향후 FedSnM은 개선된 Gossip 프로토콜을 통해 서로 다른 통신 속도를 고려한 비동기 네트워크 환경에서의 학습 전략으로 발전할 수 있다.

목차

요약
ABSTRACT
Ⅰ. 서론: 연구 배경 및 목표
Ⅱ. 관련 연구
Ⅲ. 제안 알고리즘: FedSnM
Ⅳ. 실험 결과
Ⅴ. 결론
REFERENCES

참고문헌 (20)

참고문헌 신청

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

최근 본 자료

전체보기

댓글(0)

0