Adaptive Cooperative Learning for Spatio-Temporal Environmental Variation in Vehicular Communications

点击翻译按钮获取中文摘要

昨年度開発した分散協調学習手法のアルゴリズムを論文誌に投稿し採録された。本アルゴリズムは械学習を行う車両が中央制御局に管理されることなく、自律的に協調しながら機械学習するものである。従来の分散学習とは異なり、ニューラルネットワークのパラメータを車両間で共有しながら共通のパラメータに収束させるのではなく、異なるパラメータであっても同一入力に対して同一出力すれば同じ予測モデルであるという考えのもと、関数そのものを最適化対象とすることが特徴である。この手法を利用することで多様な環境に応じて端末ごとに少しずつ異なる予測モデルを学習させるといった応用が可能になる。さらに、ミリ波帯電波を利用した車車間高速通信向けに空間依存性のある通信環境の学習手法を考案した。ミリ波通信は送受信機間に遮蔽物があると通信容量が低下する。本研究では他車両が遮蔽物となり通信容量が低下することを想定して、車両密度が連続的に変化する広域範囲を対象に各地での車両密度に応じた通信容量を学習する。なお、当初予定していた車両のみでの完全分散型アルゴリズムから変更して、路上基地局でのエッジコンピューティングを利用することとした。提案手法はベイズ推定を利用しており、通信容量を点推定ではなく確率密度分布として予測する。各地点のエッジサーバごとに異なる通信容量分布を学習しておき、それらからエッジサーバのない地点での通信容量分布を導くことができる。シミュレーション評価により、地点ごとに異なる分布を予測できることを確認しており、多様な環境への通信制御の動的適用に応用可能である。本研究成果は国際会議に投稿し、採録が決定されている。