[pt] ALGORITMOS DISTRIBUÍDOS DE APRENDIZADO

[en] DISTRIBUTED LEARNING ALGORITHMS

[pt] GABRIEL ARANTES CORTINES COELHO

[pt] REDE

[pt] ALGORITMO PROXIMO

[pt] RLS

[pt] LMS

[pt] APRENDIZADO DISTRIBUIDO

[en] NETWORK

[en] PROXIMAL ALGORITHM

[en] RLS

[en] LMS

[en] DISTRIBUTED LEARNING

[pt] 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.

[en] The increase in the number of wireless devices also generated an increase in the density of the frequency band used, thus increasing the probability of interference between them and by conventional noise. Due to the need to minimize or reduce these effects, learning algorithms for performing statistical inference are studied, performing the function of monitoring and predicting complex systems. This project is focused on the study of adaptive learning algorithms capable of performing inference in order to avoid the effect of interference between devices and minimize possible errors, in particular using algorithms based on the stochastic gradient and the close gradient in a learning scenario distributed. This work was divided into three stages: study and simulation of distributed networks; test in real scenario: temperature measurement; and elaboration of the next algorithm and study of performance in the federative scenario.

RODRIGO CAIADO DE LAMARE

2022-12-19

[pt] TEXTO

application/pdf

PORTUGUÊS

https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=61581@1

https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=61581@2

https://doi.org/10.17771/PUCRio.acad.61581