Use este identificador para citar ou linkar para este item: http://repositorio.utfpr.edu.br/jspui/handle/1/34706
Registro completo de metadados
Campo DCValorIdioma
dc.creatorSilva, Rodolfo Viturino Nogueira da-
dc.date.accessioned2024-09-06T20:45:13Z-
dc.date.available2024-09-06T20:45:13Z-
dc.date.issued2024-08-23-
dc.identifier.citationSILVA, Rodolfo Viturino Nogueira da. A distributed D2D clustering algorithm tailored for hierarchical federated learning in a multichannel ALOHA network. 2024. Dissertação (Mestrado em Engenharia Elétrica e Informática Industrial) - Universidade Tecnológica Federal do Paraná, Curitiba, 2024.pt_BR
dc.identifier.urihttp://repositorio.utfpr.edu.br/jspui/handle/1/34706-
dc.description.abstractIn an age characterized by seamless interconnectivity, the quantity of Internet of Things (IoT) devices has experienced substantial growth in recent years, with projections indicating further expansion. In this context, Federated Learning (FL) plays an important role in the future of wireless communications, offering numerous advantages over traditional centralized learning approaches, including data privacy preservation, reduced bandwidth usage, improved accuracy, and customization. FL is being very used on IoT applications, where multiple devices will contribute with their learning over its local private data in order to build a global model, which will be further aggregated and trained by the Base Station (BS) só that it is redistributed back to the devices. The aim of this work is creating a Device-to-Device (D2D) clustering algorithm, named D2D Short Range Clustering (D2D-SRC), capable of optimizing a multichannel ALOHA communication within a hierarchical FL system, with this learning being the main motivation. Selecting an appropriate wireless protocol and data transmission method is crucial for FL, therefore it was adopted the multichannel ALOHA protocol due to its asynchronous nature and simple implementation compared to other protocols. Also, ALOHA is an interesting practical alternative to the over-the-air computation (AirComp), which is a technique much used in the literature in wireless communication systems to compute functions of distributed data directly through the air without decoding individual messages. The numerical results show that the novel D2D clustering approach proposed is capable of hitting high clustering rates, improving the general efficiency of the system by drastically reducing the achievable error, while allowing a BS to serve more devices using the same resources.pt_BR
dc.languageengpt_BR
dc.publisherUniversidade Tecnológica Federal do Paranápt_BR
dc.rightsopenAccesspt_BR
dc.rights.urihttp://creativecommons.org/licenses/by/4.0/pt_BR
dc.subjectAprendizado do computadorpt_BR
dc.subjectInternet das coisaspt_BR
dc.subjectSistemas de comunicação sem fiopt_BR
dc.subjectAlgorítmos - Desenvolvimentopt_BR
dc.subjectProtocolo de aplicação sem fio (Protocolo de rede de computador)pt_BR
dc.subjectMachine learningpt_BR
dc.subjectInternet of thingspt_BR
dc.subjectWireless communication systemspt_BR
dc.subjectAlgorithms - Developmentpt_BR
dc.subjectWireless Aplication Protocol (Computer network protocol)pt_BR
dc.titleA distributed D2D clustering algorithm tailored for hierarchical federated learning in a multichannel ALOHA networkpt_BR
dc.title.alternativeUm algoritmo de clusterização D2D distribuído adaptado à aprendizagem federada hierárquica em uma rede ALOHA multicanalpt_BR
dc.typemasterThesispt_BR
dc.description.resumoEm uma época caracterizada pela interconectividade contínua, a quantidade de dispositivos de internet das coisas registrou um crescimento substancial nos últimos anos, com projeções indicando uma maior expansão. Neste contexto, a aprendizagem federada desempenha um papel importante no futuro das comunicações sem fios, oferecendo inúmeras vantagens sobre as abordagens tradicionais de aprendizagem centralizada, incluindo preservação da privacidade dos dados, utilização reduzida de largura de banda, maior precisão e personalização. A aprendizagem federada está sendo muito utilizado em aplicações de internet das coisas, onde múltiplos dispositivos contribuirão com seu aprendizado sobre seus dados privados locais, a fim de construir um modelo global, que será posteriormente agregado e treinado pela estação base para que seja redistribuído de volta aos dispositivos. O objetivo deste trabalho é criar um algoritmo de agrupamento dispositivo-a-dispositivo (D2D), nomeado D2D de agrupamento de curta distância (D2D-SRC), capaz de otimizar uma comunicação ALOHA multicanal dentro de um sistema de aprendizagem federada hierárquica, sendo esta aprendizagem a principal motivação. A seleção de um protocolo sem fio e método de transmissão de dados apropriado é crucial para a aprendizagem federada, por isso foi adotado o protocolo multicanal ALOHA devido à sua natureza assíncrona e implementação simples em comparação com outros protocolos. Além disso, ALOHA é uma alternativa prática interessante à computação over-the-air (AirComp), que é uma técnica muito utilizada na literatura em sistemas de comunicação sem fio para computar funções de dados distribuídos diretamente pelo ar sem decodificar mensagens individuais. Os resultados numéricos mostram que a nova abordagem de agrupamento dispositivo-a-dispositivo proposta é capaz de atingir altas taxas de agrupamento, melhorando a eficiência geral do sistema ao reduzir drasticamente o erro alcançável, ao mesmo tempo que permite que uma estação base sirva mais dispositivos usando os mesmos recursos.pt_BR
dc.degree.localCuritibapt_BR
dc.publisher.localCuritibapt_BR
dc.creator.IDhttps://orcid.org/0009-0000-5852-2272pt_BR
dc.creator.Latteshttp://lattes.cnpq.br/0579688940826376pt_BR
dc.contributor.advisor1Brante, Glauber Gomes de Oliveira-
dc.contributor.advisor1IDhttps://orcid.org/0000-0001-6006-4274pt_BR
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/8347190422243353pt_BR
dc.contributor.advisor-co1Souza, Richard Demo-
dc.contributor.advisor-co1IDhttps://orcid.org/0000-0002-7389-6245pt_BR
dc.contributor.advisor-co1Latteshttp://lattes.cnpq.br/6825512654223870pt_BR
dc.contributor.referee1Brante, Glauber Gomes de Oliveira-
dc.contributor.referee1IDhttps://orcid.org/0000-0001-6006-4274pt_BR
dc.contributor.referee1Latteshttp://lattes.cnpq.br/8347190422243353pt_BR
dc.contributor.referee2Farhat, Jamil de Araujo-
dc.contributor.referee2IDhttps://orcid.org/0000-0002-7525-4334pt_BR
dc.contributor.referee2Latteshttp://lattes.cnpq.br/7539776887110465pt_BR
dc.contributor.referee3Meira, Jorge Augusto-
dc.contributor.referee3IDhttps://orcid.org/0000-0002-4086-5784pt_BR
dc.contributor.referee3Latteshttp://lattes.cnpq.br/9624366793874639pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.programPrograma de Pós-Graduação em Engenharia Elétrica e Informática Industrialpt_BR
dc.publisher.initialsUTFPRpt_BR
dc.subject.cnpqCNPQ::ENGENHARIAS::ENGENHARIA ELETRICApt_BR
dc.subject.capesEngenharia Elétricapt_BR
Aparece nas coleções:CT - Programa de Pós-Graduação em Engenharia Elétrica e Informática Industrial

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
distributedd2dclusteringalgorithm.pdf1,61 MBAdobe PDFThumbnail
Visualizar/Abrir


Este item está licenciada sob uma Licença Creative Commons Creative Commons