Web ブラウザにおけるニューラルネット分散学習の提案

カテゴリ: 研究会(論文単位)

論文No: IIS25053

グループ名: 【D】産業応用部門 次世代産業システム研究会

発行日: 2025/03/09

タイトル(英語): Proposal of distributed CNN learning for web browsers

著者名: 遠藤 哲(大阪工業大学),小林 裕之(大阪工業大学)

著者名(英語): Satoru Endo(Osaka Institute of Technology),Hiroyuki Kobayashi(Osaka Institute of Technology)

キーワード: 分散学習|ＣＮＮ|ｗｅｂ|Distributed Learning|CNN|web

要約(日本語): 本研究は、クライアント側の転移学習と集中型モデル更新を統合した分散学習手法を提案します。クライアントはローカルデータで学習し、得た重みを中央サーバーに送信、加重平均で統合します。馬と人間の分類実験では、クライアント間の差異を抑えつつ、中央モデルの精度向上を確認しました。本手法は、分散型トレーニングによるモデル性能向上の可能性を示唆します。

要約(英語): This study proposes a distributed learning approach combining client-side transfer learning and centralized model updates. Clients train on local data and send learned weights to a central server, where they are aggregated using weighted averaging. Experiments on horse-human classification demonstrate improved central model accuracy while minimizing client differences, highlighting the potential of distributed training.

本誌: 2025年3月12日次世代産業システム研究会

本誌掲載ページ: 25-26 p

原稿種別: 日本語

PDFファイルサイズ: 927 Kバイト