닫기
Loading..

전자정보연구정보센터 ICT 융합 전문연구정보의 집대성

홈 홈 > 연구문헌 >

노이즈가 가미된 연합학습 환경에 대한 클라이언트 기여도 측정 방법의 적합성 평가

Current Result Document : 0 / 0

한글제목(Korean Title) 노이즈가 가미된 연합학습 환경에 대한 클라이언트 기여도 측정 방법의 적합성 평가
영문제목(English Title) Suitability Assessment on Client Contribution Estimation Methods for Federated Learning in Noisy Environments
저자(Author) 신성국   김동희   김광수   Shyn Sung Kuk   Kim Dong Hee   Kim Kwangsu  
원문수록처(Citation) VOL 75 NO. 01 PP. 0766 ~ 0767 (2021. 06)
한글내용
(Korean Abstract)
연합학습은 분산된 환경에서 직접 데이터를 접근하지 않고 각 클라이언트에서 학습한 모델 파라미터를 통합하여 연합 모델을 생성시키는 분산 머신러닝 기술이다. 연합 모델 성능 향상을 위해 연합학습 통합 알고리즘에 대한 연구가 활발하게 진행되고 있는 반면, 클라이언트 기여도 측정 방법 및 클라이언트 제거 기술에 대한 연구도 하나의 연합학습 연구 분야로 급부상하고 있다. 특히, 노이즈가 투입되어 데이터가 훼손될 수 있는 환경에서 ‘훼손된 클라이언트’(corrupted clients)를 클라이언트 기여도로 선별하는 기술이 필요하다. 본 논문에서는 연합학습에서 클라이언트 기여도 측정으로 기존에 연구된 대표적인 두 가지 방법, Federated LOO와 Federated SV를 소개한다. 이후 이 두 방법이 노이즈가 가미된 연합학습 환경에서 적절하게 작동되는지 노이즈가 투입된 환경에서 실험을 통해 적합성을 평가한다.
영문내용
(English Abstract)
키워드(Keyword)
원문 PDF 다운로드