Combined learning for decentralized neural network training with data privacy preservation (2024)
- Authors:
- Autor USP: IOSTE, ALINE RODRIGHERI - IME
- Unidade: IME
- Sigla do Departamento: MAC
- DOI: 10.11606/T.45.2024.tde-11112024-095141
- Subjects: APRENDIZADO COMPUTACIONAL; APRENDIZAGEM PROFUNDA; INTELIGÊNCIA ARTIFICIAL
- Keywords: Aprendizado combinado; Aprendizado descentralizado; Aprendizado profundo; Combined learning; Conjunto de dados não-IDD; Decentralized learning; Deep learning; Non-IDD dataset
- Agências de fomento:
- Language: Inglês
- Abstract: Esta tese apresenta a CoLN (Combined Learning Network), uma nova abordagem de aprendizado de máquina descentralizado que utiliza um modelo não convexo focado na preservação da privacidade. Diferente dos métodos tradicionais usados no aprendizado federado, que se baseiam em agregações de parâmetros simples, como médias ponderadas, a CoLN explora soluções além do espaço convexo, abordando as complexidades de dados não identicamente distribuídos, comumente encontrados em cenários de aprendizado profundo. A CoLN se destaca como uma alternativa eficiente para o aprendizado colaborativo em contextos industriais e de pesquisa, especialmente devido à sua aplicabilidade em cenários com participantes limitados, onde a centralização de dados não é viável por motivos de privacidade ou restrições regulatórias. O modelo permite uma colaboração eficaz entre diferentes partes, mantendo a confidencialidade e alcançando desempenho consistente em poucas iterações, mesmo em ambientes com poucos participantes. Isso é particularmente relevante para objetivos compartilhados que exigem colaboração entre diferentes partes interessadas, aprimorando o desempenho geral dos participantes sem a necessidade de compartilhar dados brutos para o treinamento de um modelo centralizado. Testes empíricos demonstram que a CoLN consegue aproximar o desempenho de modelos centralizados, mostrando robustez em arquiteturas distintas de redes neurais, mesmo com variações substanciais nos dados entre os modelos locais.Com uma implementação simplificada, adaptação rápida a conjuntos de dados desbalanceados e a capacidade de atingir generalização combinada em poucas iterações, a CoLN se apresenta como uma alternativa promissora para o aprendizado colaborativo
- Imprenta:
- Data da defesa: 12.08.2024
- Status:
- Artigo publicado em periódico de acesso aberto (Gold Open Access)
- Versão do Documento:
- Versão publicada (Published version)
- Acessar versão aberta:
-
ABNT
IOSTE, Aline. Combined learning for decentralized neural network training with data privacy preservation. 2024. Tese (Doutorado) – Universidade de São Paulo, São Paulo, 2024. Disponível em: https://teses.usp.br/teses/disponiveis/45/45134/tde-11112024-095141/. Acesso em: 11 maio 2026. -
APA
Ioste, A. (2024). Combined learning for decentralized neural network training with data privacy preservation (Tese (Doutorado). Universidade de São Paulo, São Paulo. Recuperado de https://teses.usp.br/teses/disponiveis/45/45134/tde-11112024-095141/ -
NLM
Ioste A. Combined learning for decentralized neural network training with data privacy preservation [Internet]. 2024 ;[citado 2026 maio 11 ] Available from: https://teses.usp.br/teses/disponiveis/45/45134/tde-11112024-095141/ -
Vancouver
Ioste A. Combined learning for decentralized neural network training with data privacy preservation [Internet]. 2024 ;[citado 2026 maio 11 ] Available from: https://teses.usp.br/teses/disponiveis/45/45134/tde-11112024-095141/
Informações sobre a disponibilidade de versões do artigo em acesso aberto coletadas automaticamente via oaDOI API (Unpaywall).
Por se tratar de integração com serviço externo, podem existir diferentes versões do trabalho (como preprints ou postprints), que podem diferir da versão publicada.
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
