Federalno učenje u ugradbenim sustavima (CROSBI ID 444101)
Ocjenski rad | diplomski rad
Podaci o odgovornosti
Premužić, Ivan
Čavrak, Igor
hrvatski
Federalno učenje u ugradbenim sustavima
Federalnog učenje je kolaborativna, distribuirana metoda za učenje globalnog dijeljenog modela. Koristi računalne mogućnosti krajnjih uređaja (pametni telefoni, uređaji u ugradbenim sustavima, internetu stvari, računarstvu na rubu itd.) za obavljanje procesa strojnog učenja, pri čemu se za treniranje koriste lokalni podaci. Svaki krajnji uređaj (klijentski čvor) trenira lokalni model nad svojim podacima, a centralni čvor kreira globalni model na temelju lokalnih modela. Lokalni podaci svakog klijenta, koji su često privatni, nikada se ne dijele s nekom trećom stranom i na taj način je sačuvana privatnost klijenta. Kako bi se olakšalo istraživanje federalnog učenja razvijeni su programski okviri za federalno učenje, a jedan od njih je Flower. U ovom radu proučeno je područje federalnog učenja, te programski okvir Flower i njegove karakteristike i prednosti u odnosu na slične programske okvire. Implementiran je sustav za stvaranje zajedničkog modela temeljen na programskom okviru Flower, te su ispitane performanse sustava s obzirom na dostignuti kvalitetu zajedničkog globalnog modela i modela dobivenog metodom klasičnog centralnog strojnog učenja.
Kolaborativno učenje ; Distribuirano učenje, Federalno učenje ; Duboko učenje ; Flower ; Internet stvari ; Računarstvo na rubu
nije evidentirano
engleski
Federated Learning in Embedded Systems
nije evidentirano
Collaborative learning, Distributed learning, Federated learning ; Deep learning ; Flower ; Internet of things ; Edge computing
nije evidentirano
Podaci o izdanju
77
15.07.2021.
obranjeno
Podaci o ustanovi koja je dodijelila akademski stupanj
Fakultet elektrotehnike i računarstva
Zagreb