Platforma do szybkiego prototypowania metod agregacji modeli lokalnych w uczeniu federacyjnym inteligentnych czujników Internetu Rzeczy
Identyfikator grantu: PT01171
Kierownik projektu: Bogdan Wiszniewski
Realizatorzy:
- Filip Magdziak
- Daniel Bil
Politechnika Gdańska
Wydział Elektroniki, Telekomunikacji i Informatyki
Gdańsk
Data otwarcia: 2024-05-28
Streszczenie projektu
Celem pracy jest opracowanie platformy umożliwiającej eksperymentalną ocenę i optymalizację jakościową wybranych schematów uczenia federacyjnego z wykorzystaniem centralnego serwera i węzłów klienckich o niewielkiej mocy obliczeniowej. Opracowana platforma powinna umożliwiać w dalszej perspektywie podłączanie do centralnego serwera rzeczywistych układów Arduino.
1. Projekt rozproszonej architektury platformy w konfiguracji serwer centralny (cloud) - węzły klienckie (edge) w przewodowej sieci LAN
2. Inicjalizacja modelu globalnego poprzez dobór typu i struktury sieci neuronowej dla przykładowego zadania czyszczenia danych pomiarowych na urządzeniu o słabej mocy obliczeniowej.
3. Przeprowadzenie badań porównawczych i ocena wybranych metod agregacji modeli lokalnych dla zbioru rzeczywistych danych pomiarowych
1. Projekt rozproszonej architektury platformy w konfiguracji serwer centralny (cloud) - węzły klienckie (edge) w przewodowej sieci LAN
2. Inicjalizacja modelu globalnego poprzez dobór typu i struktury sieci neuronowej dla przykładowego zadania czyszczenia danych pomiarowych na urządzeniu o słabej mocy obliczeniowej.
3. Przeprowadzenie badań porównawczych i ocena wybranych metod agregacji modeli lokalnych dla zbioru rzeczywistych danych pomiarowych