Skip to content

Este trabalho propõe um algoritmo de Aprendizado Federado para redes IoT que seleciona dispositivos com base na qualidade dos dados e da comunicação, otimizando recursos via MILP e Algoritmo Genético. A abordagem preserva a precisão do modelo global e melhora a eficiência energética.

Notifications You must be signed in to change notification settings

LABORA-INF-UFG/FL-wOpt

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

2 Commits
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

Repository files navigation

FL-wOpt

Este trabalho propõe um algoritmo de Aprendizado Federado em redes IoT sem fio que seleciona um subconjunto de dispositivos em cada rodada com base na qualidade dos dados e da comunicação. Em seguida, é realizada a alocação dos recursos de comunicação e a definição da potência de transmissão, onde a métrica EMD é utilizada como um fator de ponderação na agregação dos modelos. O algoritmo é implementado por uma abordagem exata baseada em MILP e por uma metaheurística baseada em Algoritmos Genéticos. Em comparação com outras abordagens, as implementações do algoritmo proposto preservam a precisão do modelo global e apresentam maior eficiência energética.

About

Este trabalho propõe um algoritmo de Aprendizado Federado para redes IoT que seleciona dispositivos com base na qualidade dos dados e da comunicação, otimizando recursos via MILP e Algoritmo Genético. A abordagem preserva a precisão do modelo global e melhora a eficiência energética.

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published

Languages