Tese

Combined learning for decentralized neural network training with data privacy preservation (2024)

• Authors:
  • Ioste, Aline
  • Finger, Marcelo (Orientador)
• 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:
  • Financiamento CAPES
• 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:
  • Publisher place: São Paulo
  • Date published: 2024
• Data da defesa: 12.08.2024

Informações sobre o DOI: 10.11606/T.45.2024.tde-11112024-095141 (Fonte: oaDOI API)
• Este periódico é de acesso aberto
• Este artigo NÃO é de acesso aberto
  

---

How to cite

A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

• 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://www.teses.usp.br/teses/disponiveis/45/45134/tde-11112024-095141/. Acesso em: 10 fev. 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://www.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 fev. 10 ] Available from: https://www.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 fev. 10 ] Available from: https://www.teses.usp.br/teses/disponiveis/45/45134/tde-11112024-095141/

Últimas obras dos mesmos autores vinculados com a USP cadastradas na BDPI:

• Establishing the parameters of a decentralized neural machine learning model