研究の方向性をAIと壁打ちする
結構良さそう
研究の方向性をAIと壁打ちする
あちらはより具体的な話にシフトしていた
HAR-FLの主要課題を深掘り
解決策を調査,評価
モデル圧縮,勾配量子化
モデル軽量化,知識蒸留
計算や通信のオーバーヘッドと適用可能性を見る
段階的に実装
HAR-FL環境を構築
HAR-FLの課題解決策をシミュレーションで評価
IoTデバイスの制約を確認
計算資源
通信帯域
対処
制約に対応したアルゴリズムの選定
モデルの軽量化
独自性
特に介護分野における未解決の課題に焦点
より堅牢でリアルタイム性の高い異常検知
多様な健康状態の検知
特定のデータ偏りに対する頑健性
など
研究の独自性や貢献の方向性を具体化
システム構築と発展
HAR-FLモデルをシステムに組み入れる
システムを評価する
実際の利用を想定したシナリオで評価
特にリアルタイム性
モデル評価時点で推論の精度やリアルタイム性は評価される
システムとして全体的にどうなのかを見る
帯域や計算資源,プライバシなども見る
計算・通信のオーバーヘッドの程度も対象
自宅や祖母宅などでパイロット実験を行いたい
他学校に設置するとか
将来的に考慮したいこと
完全分散型のFLの検討
異常検知にとどまらず,他に健康状態を擬似的に察知するなどできないか
システムのスケーラビリティ
透明性はあるか