Engenharia de Computação

URI Permanente para esta coleção

https://hdl.handle.net/11600/61191

Navegar

Navegando Engenharia de Computação por Palavras-chave "Acurácia"

Agora exibindo 1 - 1 de 1
  • Imagem de Miniatura
    Item
    Acesso aberto (Open Access)
    Avaliação experimental de aprendizado federado sob diferentes condições de rede
    (Universidade Federal de São Paulo, 2023-01-25) Eguchi, Jhonatan Hiroo [UNIFESP]; Kimura, Bruno Yuji Lino [UNIFESP]; http://lattes.cnpq.br/7587316047810193
    No Aprendizado Federado (AF), um sistema distribuído é composto por um conjunto de dispositivos clientes que são conectados a um servidor para realizar o treinamento de um modelo de aprendizado de máquina. Neste sistema, a qualidade da conectividade dos clientes está sujeita a diferentes condições da rede, especificamente, condições do enlace de gargalo presente no caminho fim-a-fim entre cliente e servidor. Enquanto muitos trabalhos da literatura propõem soluções de AF com foco no aprimoramento do modelo em si, o impacto da rede no desempenho do modelo ainda é pouco discutido. Neste contexto, o objetivo deste trabalho é avaliar experimentalmente a influência da latência, vazão e perda de pacotes na rede sobre um modelo de AF. Resultados experimentais em um ambiente de emulação mostraram que, para modelos simples com poucas rodadas entre cliente e servidor, os impactos da rede na acurácia do modelo não são evidentes. Por outro lado, em modelos mais robustos e com mais rodadas entre clientes e servidores, a latência foi o principal parâmetro que causou degradação de desempenho no aprendizado, no caso, uma latência de 500 ms prejudicou a acurácia em cerca de 1\%, quando comparada a uma latência de 20 ms, a acurácia sendo uma métrica do modelo do aprendizado de máquina para avaliar o quão bom está o modelo quando submetido a uma base de testes. Além de prejudicar o modelo, foi observado que latências elevadas e perdas de pacotes levam a erros na aplicação, desconectando clientes durante o aprendizado. A partir dos resultados experimentais, este trabalho apresenta discussão sobre desafios e oportunidades na interação entre transmissão de dados e aplicações de AF.