289310記事公開中

トレンドワード
  2. AIベンチマークリサーチ
  3. 論文研究
  4. スペクトラム・ブリージング：オーバー・ザ・エア フェデレーテッドラーニングを干渉から守る（Spectrum Breathing: Protecting Over-the-Air Federated Learning Against Interference）
2 分で読了
0 views

スペクトラム・ブリージング：オーバー・ザ・エア フェデレーテッドラーニングを干渉から守る

（Spectrum Breathing: Protecting Over-the-Air Federated Learning Against Interference）

さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか？

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として
一目置かれる存在に！

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか？

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、
あなたも生成AIマスター！

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題！誰1人置いていかずに寄り添います。

詳細を見る

田中専務

拓海先生、最近部下から「無線で学習する技術」の話を聞いたのですが、干渉でうまくいかないと聞いて不安です。うちの現場にも関係ありますか？

AIメンター拓海

素晴らしい着眼点ですね！その技術は「フェデレーテッドラーニング（Federated Learning, FL）＝端末ごとに学習して更新だけを集める方式」で、無線で多数の端末と同時にやり取りする場合、隣の基地局や妨害波（ジャマー）からの干渉で性能が落ちる問題があるんですよ。

田中専務

なるほど。で、その論文は何を新しく提案しているのですか。投資する価値があるか見極めたいのです。

AIメンター拓海

大丈夫、一緒にやれば必ずできますよ。要点は三つです。第一に、干渉を避けるために帯域を増やすのではなく、送る信号の“スペクトラム”を収縮させて干渉に強くすること、第二に、その収縮はモデル更新を

監修者

阪上雅昭（SAKAGAMI Masa-aki）
京都大学　人間・環境学研究科　名誉教授

論文研究シリーズ
前の記事
Kubernetes指向エッジクラウドネットワークの協調学習ベーススケジューリング — Collaborative Learning-Based Scheduling for Kubernetes-Oriented Edge-Cloud Network
次の記事
Wikipedia文の品質推定の大規模データセット
（WikiSQE: A Large-Scale Dataset for Sentence Quality Estimation in Wikipedia）
関連記事
DBF-Net: Dual-Branch Feature Fusionによる超音波画像セグメンテーション
（DBF-Net: A Dual-Branch Network with Feature Fusion for Ultrasound Image Segmentation）
相互作用欠陥のエネルギー予測に関する機械学習モデルの比較
（A Comparative Study of Machine Learning Models Predicting Energetics of Interacting Defects）
指示は重要だ — 特定タスク向け命令チューニング最適化のための単純かつ有効なタスク選択
（Instruction Matters: A Simple yet Effective Task Selection for Optimized Instruction Tuning of Specific Tasks）
Generating ultrastable glasses by homogenizing the local virial stress
（局所ビリアル応力を均質化して生成する超安定ガラス）
大規模SVMのための空間分解
（Spatial Decompositions for Large Scale SVMs）
経路計画アルゴリズムの統一的視点
（A Unified View of Algorithms for Path Planning Using Probabilistic Inference on Factor Graphs）
この記事をシェア

有益な情報を同僚や仲間と共有しませんか？

AI技術革新 - 人気記事
ブラックホールと量子機械学習の対応
（Black hole/quantum machine learning correspondence）
  • 論文研究
生成AI検索における敏感なユーザークエリの分類と分析
（Taxonomy and Analysis of Sensitive User Queries in Generative AI Search System）
  • 論文研究
DiReDi：AIoTアプリケーションのための蒸留と逆蒸留
（DiReDi: Distillation and Reverse Distillation for AIoT Applications）
  • 論文研究

PCも苦手だった私が

“AIに詳しい人“
として一目置かれる存在に！
  • AIBRプレミアム
  • 実践型生成AI活用キャンプ
あなたにオススメのカテゴリ
論文研究
最新記事
ソーシャルメディアにおける発話役割分類
（How did the discussion go: Discourse act classification in social media conversations）
  • 論文研究
マルチ出力畳み込みスペクトル混合カーネル
（Multi-Output Convolution Spectral Mixture for Gaussian Processes）
  • 論文研究
クラウド資源の性能意識型管理──分類と今後の方向性
（Performance-Aware Management of Cloud Resources: A Taxonomy and Future Directions）
  • 論文研究
深層積層確率的構成ネットワークによる非定常データストリームの継続学習
（DEEP STACKED STOCHASTIC CONFIGURATION NETWORKS FOR LIFELONG LEARNING OF NON-STATIONARY DATA STREAMS）
  • 論文研究
非持続的ストラグラーを利用した分散勾配降下の高速化
（Speeding Up Distributed Gradient Descent by Utilizing Non-persistent Stragglers）
  • 論文研究
DeePathologyが示したがんの分子診断統合の道筋
（DeePathology: Deep Multi-Task Learning for Inferring Molecular Pathology from Cancer Transcriptome）
  • 論文研究
さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか？

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として一目置かれる存在に！

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか？

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、あなたも生成AIマスター！

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題！誰1人置いていかずに寄り添います。

詳細を見る

AI Benchmark Researchをもっと見る

今すぐ購読し、続きを読んで、すべてのアーカイブにアクセスしましょう。

続きを読む