| Processo: | 20/14771-2 |
| Modalidade de apoio: | Bolsas no Brasil - Programa Capacitação - Treinamento Técnico |
| Data de Início da vigência: | 01 de dezembro de 2020 |
| Data de Término da vigência: | 30 de setembro de 2022 |
| Área de conhecimento: | Ciências Exatas e da Terra - Ciência da Computação - Sistemas de Computação |
| Acordo de Cooperação: | MCTI/MC |
| Pesquisador responsável: | Carlos Alberto Kamienski |
| Beneficiário: | Fabíola Martins Campos de Oliveira Genari |
| Instituição Sede: | Centro de Matemática, Computação e Cognição (CMCC). Universidade Federal do ABC (UFABC). 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 |
| Palavra(s)-Chave do Pesquisador: | Aprendizado profundo | Cidades Inteligentes | Sistemas Distribuídos |
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: | |
| Mais itensMenos itens | |
| TITULO | |
| Matéria(s) publicada(s) em Outras Mídias ( ): | |
| Mais itensMenos itens | |
| VEICULO: TITULO (DATA) | |
| VEICULO: TITULO (DATA) | |