業績更新

nishio-laboratory · Sep 20, 2024 · fd79140 · fd79140
1 parent f4c9aa5
commit fd79140
Show file tree

Hide file tree

Showing 7 changed files with 65 additions and 152 deletions.
diff --git a/_data/news.yml b/_data/news.yml
@@ -1,6 +1,10 @@
 # 論文にはdoi、学会発表はあればdoi、なければプログラム等のurlを記載する
 # 
 #
+- date: 2024年9月
+  headline: Publications、Research Projects, About NLABを更新。
+  url: 
+
 - date: 2024年7月
   headline: 熱中症に気をつけましょう。
   url: 

diff --git a/_data/pub_journal.yml b/_data/pub_journal.yml
@@ -1,3 +1,23 @@
+- authors: "Shunsuke Sato, Ryoichi Shinkuma, Kensei Hirai, Masataka Nakahara, Norihiro Okui, Ayumu Kubota, Yasuaki Kobayashi, Keizo Sugiyama, Takayuki Nishio"
+  title: "Data Acquisition Framework for Micromobility Vehicles Toward Driving Risk Prediction Against Cyberphysical Security Attack"
+  journal: "IEEE Security & Privacy, pp. 2-11, 2024."
+  year: 2024
+  url: 
+  doi: 10.1109/MSEC.2024.3441731
+  image: dummy.png
+  description: 
+  highlight: 0
+
+- authors: "Hiroki Shimomura, Koji Yamamoto, Takayuki Nishio, Akihito Taya"
+  title: "Beamforming Feedback-Based Line-of-Sight Identification Toward Firmware-Agnostic WiFi Sensing"
+  journal: "IEEE Open Journal of Vehicular Technology, vol. 5, pp. 1024-1035, 2024."
+  year: 2024
+  url: 
+  doi: 10.1109/OJVT.2024.3440400
+  image: dummy.png
+  description: 
+  highlight: 0
+
 - authors: "S. Ohta, T. Nishio, R. Kudo, K. Takahashi and H. Nagata"
   title: "Point Cloud-Based Proactive Link Quality Prediction for Millimeter-Wave Communications"
   journal: "IEEE Transactions on Machine Learning in Communications and Networking, vol. 1, pp. 258-276, Sept. 2023."

diff --git a/_layouts/publications.html b/_layouts/publications.html
@@ -3,3 +3,4 @@
 ---
 <div id="publications" class="col-sm-12">
   {{ content }}
+</div>
diff --git a/_layouts/research.html b/_layouts/research.html
@@ -1,98 +1,7 @@
 ---
 layout: default
 ---
-<!--
 <div id="research" class="col-sm-12">
   {{ content }}
 </div>
--->
-
-<div class="row">
-  <div class="span-one-one">
-      <h2 id="AboudUS">About Nishio Lab.</h2>
-      <p>
-      西尾研究室は2020年10月に誕生した比較的新しい研究室です。研究テーマとして「<b>計算・通信・センシングの融合</b>」を掲げ、スマートフォンやセンサ、車や建造物など様々なモノが接続されるIoT（Internet
-      of Things）における次世代アプリケーションの創出に向け、分野横断的で萌芽的な技術を中心に探求しています。例えば、目に見えない<b>
-      無線通信の状態（電波の強度）をカメラの映像から予測するコンピュータビジョン-無線通信融合予測技術</b>や、無線ネットワーク上の端末が連携して学習する<b>
-      分散協調機械学習技術</b>、複雑な無線通信環境において通信速度を最大化するように<b>自律的に学習し自己最適化する無線LAN</b>など、これまでにない新しい技術の創出を行います。<br>
-      <br>
-      主要研究分野：無線ネットワーク、機械学習、リソース制御、環境センシング<br>
-      Research Topics: Wireless Networks, Machine Learning, Resource Management, Ambient
-      Sensing, Self-organizing networks<br>
-      </p>
-      <p>研究紹介動画（5分間。2022年3月電子情報通信学会総合大会講演）<br>
-        <iframe width="560" height="315" src="https://www.youtube.com/embed/jnf4C1HD1XQ" title="YouTube video player" frameborder="0" allow="accelerometer; autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture" allowfullscreen></iframe>
-      </p>
-  </div>
-</div>
-
-<hr>
-
-<div class="row"><h2 id="Research">Recent Research Projects</h2></div>
-<br>
-<div class="row">
-  <div class="col-sm-3">
-      <center>
-          <img src="{{ site.url }}{{ site.baseurl }}/images/research/FL.png" alt="写真" width="250px">
-      </center>
-  </div>
-  <div class="col-sm-9">
-      <h4>Federated Learning in Mobile Networks</h4>
-      スマートフォンやセンサなど無線ネットワーク上の端末のもつデータや計算能力を活用して機械学習を分散的に行い、高度なAIを実現します。
-  </div>
-</div> 
-<br><br>
-<div class="row">
-  <div class="col-sm-3">
-      <center>
-          <img src="{{ site.url }}{{ site.baseurl }}/images/research/viwi.png" alt="写真" width="250px">
-      </center>
-  </div>
-  <div class="col-sm-9">
-      <h4>Vision-assisted wireless networks</h4>
-      カメラ画像などコンピュータビジョン技術を用いて無線通信を予測したり制御したりする新技術を創出します。
-  </div>
-</div>
-<br><br>
-<div class="row">
-  <div class="col-sm-3">
-      <center>
-          <img src="{{ site.url }}{{ site.baseurl }}/images/research/wifi.jpg" alt="写真" width="250px">
-      </center>
-  </div>
-  <div class="col-sm-9">
-      <h4>Self-optimizing wi-fi</h4>
-      強化学習技術を用いて自律的に学習し、通信速度最大化や遅延最小化するWi-Fi制御を実現します。
-  </div>
-</div>
-<br><br>
-<div class="row">
-  <div class="col-sm-3">
-      <center>
-          <img src="{{ site.url }}{{ site.baseurl }}/images/research/imaging.png" alt="写真" width="250px">
-      </center>
-  </div>
-  <div class="col-sm-9">
-      <h4>Sensing from Wireless Communication Signals</h4>
-      Wi-FiやWigigの信号から、部屋にいる人の人数や行動を推定したり、映像を復元したりする次世代のセンシング技術を実現します。
-  </div>
-</div>
-
-<hr>
-
-<div class="row">
-<p>
-  <h2 id="forS">配属を希望する学生へ</h4>
-    西尾と一緒に研究室を作り上げて行ってくれる人を大歓迎します。学生が快適に活動できる環境を提供し、楽しんで研究してもらえる研究室にしたいと思っております。<br><br>
-
-  <b>研究スタイル</b>：アイデア重視。面白そうだなと思ったことをパッと実装するスピード感を大事にします。なにかモノを作ったりプログラムを実装したりすることが好きな人、人と違う発想ができる人、は特に向いているかもしれません。<br>
-研究は、毎週の個別ミーティングでの議論をもとに進めていきます。自由に研究したい人も尊重します。
-  <br><br>
-  <b>興味関心</b>：AI・機械学習技術、および、その無線通信やセンシングへの応用に関して興味関心のある学生を歓迎します。<br><br>
-  <b>研究室環境</b>：教員室 x1, 学生居室 x2, 実験室 x2。一通りの家具家電（デスク、チェア、冷蔵庫、電子レンジ、ソファベッド etc）あります。古くなったら更新します。<br><br>
-  <b>研究設備（個人）</b>：MacBookPro（2、３年以内のモデル）、24 or 27インチ 4Kディスプレイ、キーボード（HHKB, RealForce他）、マウス類（Magic mouse 2, Track pad）など。必要なものは随時購入し、快適な研究環境を提供します。<br><br>
-  <b>その他</b>：コアタイムなし。週1のミーティング（当面はオンライン）は参加必須。主にSlackで連絡＆議論します。
-</p>
-</div>
-
 
diff --git a/_pages/allnews.md b/_pages/allnews.md
@@ -2,30 +2,22 @@
 title: "Nishio Lab - Research Project"
 layout: personal
 excerpt: "Nishio Lab -- Research Project"
-permalink: /project/
+permalink: /allnews.html
 ---
 
-# 作成途中...
-
----
-
-## JST さきがけIoT　「機械学習するIoT通信ネットワーク基盤」 （2020年度〜2023年度） 
-本研究は、IoT-AIトラヒックの爆発的増加とデータプライバシの課題を解決するため、IoTデータの地産地消を実現する通信とAIデータ処理が一体化したIoT基盤構築を目指す。従来型クラウドAIを用いたIoTデータ処理ではなく、IoTデータを収集するローカルNW内で分散的にAI処理することで、コアNWのトラヒック削減とリアルタイム性向上および機密情報流出の危険性を大きく低減可能なIoT基盤を創出する。
-
-#### Distillation-Based Semi-Supervised Federated Learning (DS-FL)
-Federated Learningの課題であるモデル共有時に発生する大量の通信トラヒックを削減するため、モデル自体ではなくモデルの出力（logit）を用いた学習フレームワークを提案した。従来のモデル共有に基づくFLと比べ、一定の精度を達成するまでの通信トラヒックを1/50~1/100に低減できることを示した。
-
-- S. Itahara, T. Nishio, Y. Koda, M. Morikura, and K. Yamamoto, "Distillation-Based Semi-Supervised Federated Learning for Communication-Efficient Collaborative Training with Non-IID Private Data," IEEE Transactions on Mobile Computing, Apr. 2021. (Early Access)
-
-#### Communication-oriented Model Tuning for Split computing (COMtune)
-ニューラルネットワークを分割し端末とサーバで分散的に行うSplit computingにおいて、ニューラルネットワークの構造を工夫することで通信トラヒックの削減やパケット損失耐性を向上し、Split computingの通信効率を向上する技術を提案した。70%のパケットが損失する状況においても推論性能の低下を維持できることを示した。
-
-- S. Itahara, T. Nishio, K. Yamamoto, "Packet-Loss-Tolerant Split Inference for Delay-Sensitive Deep Learning in Lossy Wireless Networks," Proc. IEEE Globecom, Dec. 2021.
-- Sohei Itahara, Takayuki Nishio, Yusuke Koda, Koji Yamamoto, “Communication-oriented Model Fine-tuning for Packet-loss Resilient Distributed Inference under Highly Lossy IoT Networks,” arXiv preprint arXiv:2112.09407, Dec. 2021.
-
----
-
-## 科研費 若手研究 「無線通信環境をみるコンピュータビジョン技術」　　（2018年度〜2021年度） 
-本研究は、カメラやレーダなどの視覚（ビジョン）データから無線通信品質を予測することである。ミリ波通信や可視光通信、テラヘルツ通信など超高周波帯を用いた通信では、歩行者や車、植物などが見通し通信路を遮蔽すると信号電力が大きく低下し、通信品質を劣化させる。一方、反射物となるようなものが近傍に存在すれば、強い反射波を受信することで通信を継続することができる。このような電波伝搬空間情報はカメラやレーダなどビジョンデータに内包されており、それを読み解くことで通信品質を予測できる可能性がある。
-
+<div class="well">
+<h4>News</h4>
+
+{% for article in site.data.news%}
+{{ article.date }}
+<p>{{ article.headline }}
+{% if article.doi %}
+<a href="https://doi.org/{{article.doi}}" target="_blank" rel="noopener noreferrer">{{article.doi}}</a>
+{% elsif article.url %}
+<a href="{{article.url}}" target="_blank" rel="noopener noreferrer">URL</a>
+{% endif %}
+</p>
+{% endfor %}
+
+</div>
 
diff --git a/_pages/project.md b/_pages/project.md
@@ -2,22 +2,30 @@
 title: "Nishio Lab - Research Project"
 layout: personal
 excerpt: "Nishio Lab -- Research Project"
-permalink: /allnews.html
+permalink: /project/
 ---
 
-<div class="well">
-<h4>News</h4>
-
-{% for article in site.data.news%}
-{{ article.date }}
-<p>{{ article.headline }}
-{% if article.doi %}
-<a href="https://doi.org/{{article.doi}}" target="_blank" rel="noopener noreferrer">{{article.doi}}</a>
-{% elsif article.url %}
-<a href="{{article.url}}" target="_blank" rel="noopener noreferrer">URL</a>
-{% endif %}
-</p>
-{% endfor %}
-
-</div>
+# 作成途中...
+
+---
+
+## JST さきがけIoT　「機械学習するIoT通信ネットワーク基盤」 （2020年度〜2023年度） 
+本研究は、IoT-AIトラヒックの爆発的増加とデータプライバシの課題を解決するため、IoTデータの地産地消を実現する通信とAIデータ処理が一体化したIoT基盤構築を目指す。従来型クラウドAIを用いたIoTデータ処理ではなく、IoTデータを収集するローカルNW内で分散的にAI処理することで、コアNWのトラヒック削減とリアルタイム性向上および機密情報流出の危険性を大きく低減可能なIoT基盤を創出する。
+
+#### Distillation-Based Semi-Supervised Federated Learning (DS-FL)
+Federated Learningの課題であるモデル共有時に発生する大量の通信トラヒックを削減するため、モデル自体ではなくモデルの出力（logit）を用いた学習フレームワークを提案した。従来のモデル共有に基づくFLと比べ、一定の精度を達成するまでの通信トラヒックを1/50~1/100に低減できることを示した。
+
+- S. Itahara, T. Nishio, Y. Koda, M. Morikura, and K. Yamamoto, "Distillation-Based Semi-Supervised Federated Learning for Communication-Efficient Collaborative Training with Non-IID Private Data," IEEE Transactions on Mobile Computing, Apr. 2021. (Early Access)
+
+#### Communication-oriented Model Tuning for Split computing (COMtune)
+ニューラルネットワークを分割し端末とサーバで分散的に行うSplit computingにおいて、ニューラルネットワークの構造を工夫することで通信トラヒックの削減やパケット損失耐性を向上し、Split computingの通信効率を向上する技術を提案した。70%のパケットが損失する状況においても推論性能の低下を維持できることを示した。
+
+- S. Itahara, T. Nishio, K. Yamamoto, "Packet-Loss-Tolerant Split Inference for Delay-Sensitive Deep Learning in Lossy Wireless Networks," Proc. IEEE Globecom, Dec. 2021.
+- Sohei Itahara, Takayuki Nishio, Yusuke Koda, Koji Yamamoto, “Communication-oriented Model Fine-tuning for Packet-loss Resilient Distributed Inference under Highly Lossy IoT Networks,” arXiv preprint arXiv:2112.09407, Dec. 2021.
+
+---
+
+## 科研費 若手研究 「無線通信環境をみるコンピュータビジョン技術」　　（2018年度〜2021年度） 
+本研究は、カメラやレーダなどの視覚（ビジョン）データから無線通信品質を予測することである。ミリ波通信や可視光通信、テラヘルツ通信など超高周波帯を用いた通信では、歩行者や車、植物などが見通し通信路を遮蔽すると信号電力が大きく低下し、通信品質を劣化させる。一方、反射物となるようなものが近傍に存在すれば、強い反射波を受信することで通信を継続することができる。このような電波伝搬空間情報はカメラやレーダなどビジョンデータに内包されており、それを読み解くことで通信品質を予測できる可能性がある。
+
 
diff --git a/_pages/research.md b/_pages/research.md
-Original file line number
+Diff line change
@@ Expand Up / @@ -3,3 +3,4 @@ @@
     ---
     <div id="publications" class="col-sm-12">
       {{ content }}
+    </div>