| 연구목표 |
연합학습은 분산 저장된 데이터를 공유하지 않고 협력을 통해 인공지능 모델을 학습하는 분산형 머신러닝 기법이다. 각 클라이언트가 활용하는 데이터가 통계적 이질성을 띠며 비독립항등분포를 가짐에 따라 전역적 인공지능 모델의 수렴도와 정확도가 크게 달라짐으로 클라이언트들의 데이터 분포를 알맞게 고려할 수 있는 연합학습 기술 연구가 필요하다.지역적으로 업데이트되는 ... |
| 연구내용 |
연합학습에서 데이터 통계적 이질성 해결을 위한 클라이언트 그룹화 및 모델의 앙상블 기술개발을 최종목표로 한다.1) '연합학습에서 데이터 통계적 이질성에 대한 특성 분석기술 연구'에서는 연합학습 클라이언트 그룹화 기법 연구에 선행하여 연합학습 환경에서 업데이트되는 모델 파라미터에 기반하여 데이터 통계적 이질성 특성을 분석할 수 있는 기술 연구를 진행한다.2)... |
| 기대효과 |
본 과제에서 제안하는 기술은 의료와 같이 높은 수준의 정보보안으로 정보 공유가 어려운 분야, 금융 및 교육과 같이 개인맞춤형 비즈니스 요구가 높은 분야, 그리고 다양한 인공지능 서비스 시장에 활용도가 높아 그 파급효과가 크다.연합학습에서 데이터의 통계적 이질성 해결을 위한 창의적이고 도전적인 새로운 방법을 제시함으로써, 국내 연합학습 연구의 가속화를 기대하... |
| 키워드 |
인공지능,연합학습,분산학습,비독립항등분포,데이터 통계적 이질성,전역적 모델 수렴도,전역적 모델 정확도 |