Busca avançada
Ano de início
Entree

Aprendizado de máquina profundo federado para cidades inteligentes habilitadas para Internet das Coisas

Processo: 20/14771-2
Linha de fomento:Bolsas no Brasil - Programa Capacitação - Treinamento Técnico
Vigência (Início): 01 de dezembro de 2020
Vigência (Término): 30 de setembro de 2022
Área do conhecimento:Ciências Exatas e da Terra - Ciência da Computação - Sistemas de Computação
Convênio/Acordo: MCTI/MC
Pesquisador responsável:Carlos Alberto Kamienski
Beneficiário:Fabíola Martins Campos de Oliveira
Instituição-sede: Centro de Matemática, Computação e Cognição (CMCC). Universidade Federal do ABC (UFABC). Ministério da Educação (Brasil). Santo André , SP, Brasil
Vinculado ao auxílio:15/24485-9 - Internet do futuro aplicada a cidades inteligentes, AP.TEM
Assunto(s):Cidades inteligentes   Sistemas distribuídos   Computação em nuvem   Qualidade de vida urbana   Aprendizado computacional   Aprendizagem profunda

Resumo

Recursos da nuvem e névoa combinados com sensores e dispositivos da Internet das Coisas em cidades urbanas e fazendas podem melhorar a qualidade de vida de cidadãos e construir sociedades inteligentes através da digitalização e automação de processos atualmente manuais. Em cidades e fazendas inteligentes, sensores geralmente produzem uma vasta quantidade de dados, que necessitam de técnicas de big data e de aprendizado de máquina profundo para serem adequadamente processados, obtendo conhecimento sobre a cidade ou fazenda e melhorando a tomada de decisão. Não obstante, esses dados são geralmente produzidos em dispositivos diferentes. Considerando a infraestrutura de rede, o processamento desses dados apresenta alta latência e maior transmissão de dados. Além disso, como o processamento de redes neurais pode ser custoso quando executado em dispositivos com restrições como consumo de energia, poder computacional e memória, diferentes níveis na hierarquia da névoa podem ser considerados para oferecer melhor desempenho e não prejudicar a rede de comunicação. Assim, neste projeto, o objetivo é desenvolver um arcabouço para aprendizado de máquina profundo federado considerando os diferentes níveis da névoa para agregação de modelo em aplicações de cidades inteligentes e também verificar a viabilidade desse arcabouço em aplicações de agricultura inteligente. Modelaremos uma camada de aprendizado de máquina profundo para cada camada da arquitetura dispositivos - névoa - nuvem, de forma que cada camada execute sua porção respectiva do algoritmo de aprendizado profundo: treinamento e/ou inferência. Para este propósito, algoritmos de otimização serão executados considerando as características dos diferentes níveis da névoa e dos dispositivos. Esse arcabouço será utilizado para auxiliar pesquisas relacionadas a aprendizado de máquina profundo que serão desenvolvidas tanto pela bolsista quanto por pesquisadores da Universidade Federal do ABC e da Universidade Estadual de Campinas. (AU)

Matéria(s) publicada(s) na Agência FAPESP sobre a bolsa:
Matéria(s) publicada(s) em Outras Mídias (0 total):
Mais itensMenos itens
VEICULO: TITULO (DATA)
VEICULO: TITULO (DATA)