$$\newcommand{\bra}[1]{\left<#1\right|}\newcommand{\ket}[1]{\left|#1\right>}\newcommand{\bk}[2]{\left<#1\middle|#2\right>}\newcommand{\bke}[3]{\left<#1\middle|#2\middle|#3\right>}$$
X
INFORMAÇÕES SOBRE DIREITOS AUTORAIS


As obras disponibilizadas nesta Biblioteca Digital foram publicadas sob expressa autorização dos respectivos autores, em conformidade com a Lei 9610/98.

A consulta aos textos, permitida por seus respectivos autores, é livre, bem como a impressão de trechos ou de um exemplar completo exclusivamente para uso próprio. Não são permitidas a impressão e a reprodução de obras completas com qualquer outra finalidade que não o uso próprio de quem imprime.

A reprodução de pequenos trechos, na forma de citações em trabalhos de terceiros que não o próprio autor do texto consultado,é permitida, na medida justificada para a compreeensão da citação e mediante a informação, junto à citação, do nome do autor do texto original, bem como da fonte da pesquisa.

A violação de direitos autorais é passível de sanções civis e penais.
Coleção Digital

Avançada


Estatísticas | Formato DC |



Título: ALGORITMOS DISTRIBUÍDOS DE APRENDIZADO
Autor: GABRIEL ARANTES CORTINES COELHO
Instituição: PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO - PUC-RIO
Colaborador(es):  RODRIGO CAIADO DE LAMARE - ORIENTADOR
Nº do Conteudo: 61581
Catalogação:  19/12/2022 Idioma(s):  PORTUGUÊS - BRASIL
Tipo:  TEXTO Subtipo:  TRABALHO DE FIM DE CURSO
Natureza:  PUBLICAÇÃO ACADÊMICA
Nota:  Todos os dados constantes dos documentos são de inteira responsabilidade de seus autores. Os dados utilizados nas descrições dos documentos estão em conformidade com os sistemas da administração da PUC-Rio.
Referência [pt]:  https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=61581@1
Referência [en]:  https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=61581@2
Referência DOI:  https://doi.org/10.17771/PUCRio.acad.61581

Resumo:
O aumento da quantidade de dispositivos sem fio gerou também o aumento da densidade da faixa de frequências usadas, assim aumentando a probabilidade de interferência entre eles e por ruídos convencionais. Em virtude da necessidade de minimizar ou reduzir estes efeitos, é estudado algoritmos de aprendizado para realização de inferência estatística, desempenhando função de monitoramento e predição de sistemas complexos. Este projeto é focado no estudo acerca de algoritmos de aprendizado adaptativo capaz de realizar inferência com a finalidade de evitar o efeito de interferência entre os dispositivos e minimizar possíveis erros, em especial utilizando algoritmos baseados no gradiente estocástico e no gradiente próximo em um cenário de aprendizado distribuído. Esse trabalho foi particionado em três etapas: estudo e simulação de redes distribuídas; teste em cenário real: medição de temperatura; e elaboração do algoritmo próximo e estudo de desempenho no cenário federativo.

Descrição Arquivo
NA ÍNTEGRA  PDF
Logo maxwell Agora você pode usar seu login do SAU no Maxwell!!
Fechar Janela



* Esqueceu a senha:
Senha SAU, clique aqui
Senha Maxwell, clique aqui