産業予測分析のためのヘテロジニアス・アウェアパーソナライズド・フェデレーテッド学習
arXiv cs.LG / 2026/4/22
📰 ニュースIdeas & Deep AnalysisModels & Research
要点
- この論文は、クライアントごとのデータをローカルかつ機密に保ちながら、産業向けの故障時刻予測を可能にするパーソナライズド・フェデレーテッド・プロギノスティック（予測）モデルを提案している。
- 従来のフェデレーテッド手法が前提としてきた「すべてのクライアントで劣化過程が同質である」という仮定を緩和し、クライアント間で異なる劣化パターンに対応できるようにしている。
- 同様の劣化挙動を示すクライアント同士の協調を反復的に促すことで、パーソナライゼーションの精度を高めている。
- 分散したデータセットを共同で使ってパラメータ推定するために、プロキシマル勾配降下法に基づくフェデレーテッドなパラメータ推定アルゴリズムを開発している。
- 大規模なシミュレーションとNASAリポジトリのターボファンエンジン劣化データセットを用いた事例により、既存のフェデレーテッド・プロギノスティック手法に対する優位性が検証されている。
