모델 발산을 억제하는 연합학습 프레임워크

강용훈; 이지형

doi:10.5391/JKIIS.2022.32.6.451

추천

검색

질문

자료유형: 학술저널

저자정보: 강용훈 (성균관대학교) 이지형 (성균관대학교)

저널정보: 한국지능시스템학회 한국지능시스템학회 논문지 한국지능시스템학회 논문지 제32권 제6호

발행연도: 2022.12

수록면: 451 - 456 (6page)

DOI: 10.5391/JKIIS.2022.32.6.451

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

연합학습은 분산 환경이 발달하고, 데이터 프라이버시의 중요성이 대두되면서 발전하게 된 딥러닝 모델 학습 방법으로, 데이터의 교환 없이 딥러닝 모델을 학습할 수 있다. 하지만 Non-Independent and Identically Distributed인 데이터 환경에서는 연합학습 환경에서 성능하락이 발생하게 된다. 이러한 성능 저하의 원인은 모델이 발산하기 때문인데, 각 클라이언트가 개별의 데이터 분포를 가지게 되어 모델이 발산하여 글로벌 모델을 생성할 때, 문제가 발생한다. 이러한 문제를 해결하기 위해, 본 논문에서는 FedADD를 제안한다. FedADD는 적대적 학습에서 사용되는 판별자 손실 함수를 이용하여 글로벌 모델과 로컬 모델간의 격차를 줄여, 글로벌 모델을 생성할 때, 성능 하락을 최소화하는 방법으로 기존의 기법에 비해 많은 학습 시간과 communication cost를 요구하지 않는다. 실험 결과 CIFAR-10, CIFAR-100, SVHN 이미지 분류 작업에서 기존의 기법 대비 높은 정확도를 보여주었다.

#연합학습 #데이터 프라이버시 #적대적 학습 #모델 발산 #딥러닝 #Federated Learning #Data Prviacy #Adversarial Training #Model Divergence #Deep Learning

참고문헌 (14)

참고문헌 신청

Seok-Kyu Kang, Yong Hoon Kang, Jee-Hyong Lee, “Design of Federated Learning Framework in Non-IID environment using Cross-Elimination method,” Journal of The Korean Institute of Intelligent Systems, vol. 31, no. 4, pp. 318-322, 2021.

Mann Soo Hong, Seok-Kyu Kang, Jee-Hyong Lee, “Removing Out-of-Distribution Clients on Federated Model,” Journal of The Korean Institute of Intelligent Systems, vol. 30, no. 6, pp. 488-493, 2020.

H. Brendan McMahan, Eider Moore, Daniel Ramage, Seth Hampson, Blaise Ag era y Arcas, “Communicationefficient learning of deep networks from decentralized data,” Proceedings of the 20th International Conference on Artificial Intelligence and Statistics, vol. 54, pp. 1273-1282, 2017.

Yue Zhao, Meng Li, Liangzhen Lai, Naveen Suda, Damon Civin, Vikas Chandra, “Federated Learning with Non-IID Data,” arXiv:1806.00582, 2018. Yue Zhao, Meng Li, Liangzhen Lai, Naveen Suda, Damon Civin, Vikas Chandra, “The Non-IID Data Quagmire of Decentralized Machine Learning,” arXiv:1910.00189, 2019.

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

강용훈

소속기관 성균관대학교

주요연구분야 공학 > 전기전자공학 > 정보통신공학 공학 > 컴퓨터학

논문수 5 이용수 648

이지형

소속기관 성균관대학교

주요연구분야 공학 > 전기전자공학 > 정보통신공학

논문수 1 이용수 80

이 논문과 함께 이용한 논문

인센티브 메커니즘 기반 Non-IID 사용자를 위한 프라이버시 보호 연합학습

김범준 , 서효운 , 최완 한국통신학회 학술대회논문집 2022 .11

로컬 모델 검증을 통한 가중치 부여 연합학습 프레임워크 설계

김정준 , 강전성 , 정현준 외 1명 한국컴퓨터정보학회논문지 2022 .11

UAV 기반 무선 네트워크 환경에서 효율적인 콘텐츠 인기도 예측을 위한 계층적 연합학습 기법 연구

강석원 , 홍충선 한국정보과학회 학술발표논문집 2022 .06

가중평균 오토인코더 기반의 통신 효율적 연합학습 알고리즘

이도윤 , 이훈 한국통신학회 학술대회논문집 2022 .06

IVUS 영상에서 베지어 곡선을 이용한 내막과 외막 추출

문아성 , 김영완 , 강용훈 외 1명 한국컴퓨터정보학회 학술발표논문집 2020 .01

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (14)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)