In-Network Learning: Distributed Training and Inference in Networks

要約

タイトル: In-Network Learning: Distributed Training and Inference in Networks
要約:
– 機械学習技術をモバイルデバイスやワイヤレスネットワークに活用することは、新しいサービスを実現する可能性があるとされている。
– しかし、ワイヤレスネットワーク上でデータと処理能力が分散しているため、このような活用には多大な課題がある。
– 本論文では、複数のデータストリームと処理ユニットを利用した学習アルゴリズムとアーキテクチャを開発し、学習段階だけでなく推論段階でもこれらを活用することを提案している。
– 特に、推論がネットワークを伝播・融合する様子を分析し、提案手法の設計基準と帯域幅要件について検討している。
– また、無線アクセスでニューラルネットワークを使用する方法についても説明し、既存手法よりも優れた効果を実験で示している。

要約(オリジナル)

It is widely perceived that leveraging the success of modern machine learning techniques to mobile devices and wireless networks has the potential of enabling important new services. This, however, poses significant challenges, essentially due to that both data and processing power are highly distributed in a wireless network. In this paper, we develop a learning algorithm and an architecture that make use of multiple data streams and processing units, not only during the training phase but also during the inference phase. In particular, the analysis reveals how inference propagates and fuses across a network. We study the design criterion of our proposed method and its bandwidth requirements. Also, we discuss implementation aspects using neural networks in typical wireless radio access; and provide experiments that illustrate benefits over state-of-the-art techniques.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI