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.
-
Notifications
You must be signed in to change notification settings - Fork 0
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.
LABORA-INF-UFG/FL-wOpt
Folders and files
Name | Name | Last commit message | Last commit date | |
---|---|---|---|---|
Repository files navigation
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 0
No packages published