横のつながりで自己組織化的に発展する協調学習プラットフォームの創出

横のつながりによる協調的機械学習として、Wireless Ad Hoc Federated Learning (WAFL) の基礎理論の構築とベンチマークによる評価実験を行い、論文として整理した。また、Autoencoderとの組み合わせによる WAFL-Autoencoderを開発し、MNISTベンチマークデータセットを用いて、Global Anomaly を検知するモデルの評価実験を行った。マルチタスクへの応用モデルとして、ブレインストーマと呼ぶAIを想定し、MT-WAFLを開発した。そして、Fashion-MNISTの回転画像・拡大縮小画像を用いることで、マルチタスクシナリオにおいても、WAFLが有効に機能することを評価検証した。また、Wi-Fiアクセスポイントの信号強度(RSSI)に対して、WAFLを使い、屋内環境における自己位置推定のマップ生成を自律分散的に協調して行えることを示した。WAFLのModel Poisoning Attackに対する耐性については理論的な考察と評価実験を行った。そして、WAFL-GANの理論構築と基礎的な有効性の評価検証をMNISTデータセットにより行った。ネットワークセキュリティ分野においては、独立した通信ネットワークでローカルに侵入検知の学習をしたモデルをFLで統合する際のNon-IID特性に関する課題について分析した。これらの研究を通じて、Edge AIアプリケーションに対する知見や課題が多く得られた。

横のつながりによる協調的機械学習として、Wireless Ad Hoc Federated Learning (WAFL) の基礎理論の構築とベンチマークによる評価実験を行い、論文として整理した。また、Autoencoderとの組み合わせによる WAFL-Autoencoderを開発し、MNISTベンチマークデータセットを用いて、Global Anomaly を検知するモデルの評価実験を行った。マルチタスクへの応用モデルとして、ブレインストーマと呼ぶAIを想定し、MT-WAFLを開発した。そして、Fashion-MNISTの回転画像・拡大縮小画像を用いることで、マルチタスクシナリオにおいても、WAFLが有効に機能することを評価検証した。また、Wi-Fiアクセスポイントの信号強度(RSSI)に対して、WAFLを使い、屋内環境における自己位置推定のマップ生成を自律分散的に協調して行えることを示した。WAFLのModel Poisoning Attackに対する耐性については理論的な考察と評価実験を行った。そして、WAFL-GANの理論構築と基礎的な有効性の評価検証をMNISTデータセットにより行った。ネットワークセキュリティ分野においては、独立した通信ネットワークでローカルに侵入検知の学習をしたモデルをFLで統合する際のNon-IID特性に関する課題について分析した。これらの研究を通じて、Edge AIアプリケーションに対する知見や課題が多く得られた。