A distributed D2D clustering algorithm tailored for hierarchical federated learning in a multichannel ALOHA network
| Ano de defesa: | 2024 |
|---|---|
| Autor(a) principal: | |
| Orientador(a): | |
| Banca de defesa: | |
| Tipo de documento: | Dissertação |
| Tipo de acesso: | Acesso aberto |
| Idioma: | eng |
| Instituição de defesa: |
Universidade Tecnológica Federal do Paraná
Curitiba Brasil Programa de Pós-Graduação em Engenharia Elétrica e Informática Industrial UTFPR |
| Programa de Pós-Graduação: |
Não Informado pela instituição
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Não Informado pela instituição
|
| Palavras-chave em Português: | |
| Link de acesso: | http://repositorio.utfpr.edu.br/jspui/handle/1/34706 |
Resumo: | In an age characterized by seamless interconnectivity, the quantity of Internet of Things (IoT) devices has experienced substantial growth in recent years, with projections indicating further expansion. In this context, Federated Learning (FL) plays an important role in the future of wireless communications, offering numerous advantages over traditional centralized learning approaches, including data privacy preservation, reduced bandwidth usage, improved accuracy, and customization. FL is being very used on IoT applications, where multiple devices will contribute with their learning over its local private data in order to build a global model, which will be further aggregated and trained by the Base Station (BS) só that it is redistributed back to the devices. The aim of this work is creating a Device-to-Device (D2D) clustering algorithm, named D2D Short Range Clustering (D2D-SRC), capable of optimizing a multichannel ALOHA communication within a hierarchical FL system, with this learning being the main motivation. Selecting an appropriate wireless protocol and data transmission method is crucial for FL, therefore it was adopted the multichannel ALOHA protocol due to its asynchronous nature and simple implementation compared to other protocols. Also, ALOHA is an interesting practical alternative to the over-the-air computation (AirComp), which is a technique much used in the literature in wireless communication systems to compute functions of distributed data directly through the air without decoding individual messages. The numerical results show that the novel D2D clustering approach proposed is capable of hitting high clustering rates, improving the general efficiency of the system by drastically reducing the achievable error, while allowing a BS to serve more devices using the same resources. |
| id |
UTFPR-12_35494385d09ae703dd3e7b601c7807b0 |
|---|---|
| oai_identifier_str |
oai:repositorio.utfpr.edu.br:1/34706 |
| network_acronym_str |
UTFPR-12 |
| network_name_str |
Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) |
| repository_id_str |
|
| spelling |
A distributed D2D clustering algorithm tailored for hierarchical federated learning in a multichannel ALOHA networkUm algoritmo de clusterização D2D distribuído adaptado à aprendizagem federada hierárquica em uma rede ALOHA multicanalAprendizado do computadorInternet das coisasSistemas de comunicação sem fioAlgorítmos - DesenvolvimentoProtocolo de aplicação sem fio (Protocolo de rede de computador)Machine learningInternet of thingsWireless communication systemsAlgorithms - DevelopmentWireless Aplication Protocol (Computer network protocol)CNPQ::ENGENHARIAS::ENGENHARIA ELETRICAEngenharia ElétricaIn an age characterized by seamless interconnectivity, the quantity of Internet of Things (IoT) devices has experienced substantial growth in recent years, with projections indicating further expansion. In this context, Federated Learning (FL) plays an important role in the future of wireless communications, offering numerous advantages over traditional centralized learning approaches, including data privacy preservation, reduced bandwidth usage, improved accuracy, and customization. FL is being very used on IoT applications, where multiple devices will contribute with their learning over its local private data in order to build a global model, which will be further aggregated and trained by the Base Station (BS) só that it is redistributed back to the devices. The aim of this work is creating a Device-to-Device (D2D) clustering algorithm, named D2D Short Range Clustering (D2D-SRC), capable of optimizing a multichannel ALOHA communication within a hierarchical FL system, with this learning being the main motivation. Selecting an appropriate wireless protocol and data transmission method is crucial for FL, therefore it was adopted the multichannel ALOHA protocol due to its asynchronous nature and simple implementation compared to other protocols. Also, ALOHA is an interesting practical alternative to the over-the-air computation (AirComp), which is a technique much used in the literature in wireless communication systems to compute functions of distributed data directly through the air without decoding individual messages. The numerical results show that the novel D2D clustering approach proposed is capable of hitting high clustering rates, improving the general efficiency of the system by drastically reducing the achievable error, while allowing a BS to serve more devices using the same resources.Em uma época caracterizada pela interconectividade contínua, a quantidade de dispositivos de internet das coisas registrou um crescimento substancial nos últimos anos, com projeções indicando uma maior expansão. Neste contexto, a aprendizagem federada desempenha um papel importante no futuro das comunicações sem fios, oferecendo inúmeras vantagens sobre as abordagens tradicionais de aprendizagem centralizada, incluindo preservação da privacidade dos dados, utilização reduzida de largura de banda, maior precisão e personalização. A aprendizagem federada está sendo muito utilizado em aplicações de internet das coisas, onde múltiplos dispositivos contribuirão com seu aprendizado sobre seus dados privados locais, a fim de construir um modelo global, que será posteriormente agregado e treinado pela estação base para que seja redistribuído de volta aos dispositivos. O objetivo deste trabalho é criar um algoritmo de agrupamento dispositivo-a-dispositivo (D2D), nomeado D2D de agrupamento de curta distância (D2D-SRC), capaz de otimizar uma comunicação ALOHA multicanal dentro de um sistema de aprendizagem federada hierárquica, sendo esta aprendizagem a principal motivação. A seleção de um protocolo sem fio e método de transmissão de dados apropriado é crucial para a aprendizagem federada, por isso foi adotado o protocolo multicanal ALOHA devido à sua natureza assíncrona e implementação simples em comparação com outros protocolos. Além disso, ALOHA é uma alternativa prática interessante à computação over-the-air (AirComp), que é uma técnica muito utilizada na literatura em sistemas de comunicação sem fio para computar funções de dados distribuídos diretamente pelo ar sem decodificar mensagens individuais. Os resultados numéricos mostram que a nova abordagem de agrupamento dispositivo-a-dispositivo proposta é capaz de atingir altas taxas de agrupamento, melhorando a eficiência geral do sistema ao reduzir drasticamente o erro alcançável, ao mesmo tempo que permite que uma estação base sirva mais dispositivos usando os mesmos recursos.Universidade Tecnológica Federal do ParanáCuritibaBrasilPrograma de Pós-Graduação em Engenharia Elétrica e Informática IndustrialUTFPRBrante, Glauber Gomes de Oliveirahttps://orcid.org/0000-0001-6006-4274http://lattes.cnpq.br/8347190422243353Souza, Richard Demohttps://orcid.org/0000-0002-7389-6245http://lattes.cnpq.br/6825512654223870Brante, Glauber Gomes de Oliveirahttps://orcid.org/0000-0001-6006-4274http://lattes.cnpq.br/8347190422243353Farhat, Jamil de Araujohttps://orcid.org/0000-0002-7525-4334http://lattes.cnpq.br/7539776887110465Meira, Jorge Augustohttps://orcid.org/0000-0002-4086-5784http://lattes.cnpq.br/9624366793874639Silva, Rodolfo Viturino Nogueira da2024-09-06T20:45:13Z2024-09-06T20:45:13Z2024-08-23info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfSILVA, Rodolfo Viturino Nogueira da. A distributed D2D clustering algorithm tailored for hierarchical federated learning in a multichannel ALOHA network. 2024. Dissertação (Mestrado em Engenharia Elétrica e Informática Industrial) - Universidade Tecnológica Federal do Paraná, Curitiba, 2024.http://repositorio.utfpr.edu.br/jspui/handle/1/34706enghttp://creativecommons.org/licenses/by/4.0/info:eu-repo/semantics/openAccessreponame:Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT))instname:Universidade Tecnológica Federal do Paraná (UTFPR)instacron:UTFPR2024-09-07T06:09:15Zoai:repositorio.utfpr.edu.br:1/34706Repositório InstitucionalPUBhttp://repositorio.utfpr.edu.br:8080/oai/requestriut@utfpr.edu.br || sibi@utfpr.edu.bropendoar:2024-09-07T06:09:15Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) - Universidade Tecnológica Federal do Paraná (UTFPR)false |
| dc.title.none.fl_str_mv |
A distributed D2D clustering algorithm tailored for hierarchical federated learning in a multichannel ALOHA network Um algoritmo de clusterização D2D distribuído adaptado à aprendizagem federada hierárquica em uma rede ALOHA multicanal |
| title |
A distributed D2D clustering algorithm tailored for hierarchical federated learning in a multichannel ALOHA network |
| spellingShingle |
A distributed D2D clustering algorithm tailored for hierarchical federated learning in a multichannel ALOHA network Silva, Rodolfo Viturino Nogueira da Aprendizado do computador Internet das coisas Sistemas de comunicação sem fio Algorítmos - Desenvolvimento Protocolo de aplicação sem fio (Protocolo de rede de computador) Machine learning Internet of things Wireless communication systems Algorithms - Development Wireless Aplication Protocol (Computer network protocol) CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA Engenharia Elétrica |
| title_short |
A distributed D2D clustering algorithm tailored for hierarchical federated learning in a multichannel ALOHA network |
| title_full |
A distributed D2D clustering algorithm tailored for hierarchical federated learning in a multichannel ALOHA network |
| title_fullStr |
A distributed D2D clustering algorithm tailored for hierarchical federated learning in a multichannel ALOHA network |
| title_full_unstemmed |
A distributed D2D clustering algorithm tailored for hierarchical federated learning in a multichannel ALOHA network |
| title_sort |
A distributed D2D clustering algorithm tailored for hierarchical federated learning in a multichannel ALOHA network |
| author |
Silva, Rodolfo Viturino Nogueira da |
| author_facet |
Silva, Rodolfo Viturino Nogueira da |
| author_role |
author |
| dc.contributor.none.fl_str_mv |
Brante, Glauber Gomes de Oliveira https://orcid.org/0000-0001-6006-4274 http://lattes.cnpq.br/8347190422243353 Souza, Richard Demo https://orcid.org/0000-0002-7389-6245 http://lattes.cnpq.br/6825512654223870 Brante, Glauber Gomes de Oliveira https://orcid.org/0000-0001-6006-4274 http://lattes.cnpq.br/8347190422243353 Farhat, Jamil de Araujo https://orcid.org/0000-0002-7525-4334 http://lattes.cnpq.br/7539776887110465 Meira, Jorge Augusto https://orcid.org/0000-0002-4086-5784 http://lattes.cnpq.br/9624366793874639 |
| dc.contributor.author.fl_str_mv |
Silva, Rodolfo Viturino Nogueira da |
| dc.subject.por.fl_str_mv |
Aprendizado do computador Internet das coisas Sistemas de comunicação sem fio Algorítmos - Desenvolvimento Protocolo de aplicação sem fio (Protocolo de rede de computador) Machine learning Internet of things Wireless communication systems Algorithms - Development Wireless Aplication Protocol (Computer network protocol) CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA Engenharia Elétrica |
| topic |
Aprendizado do computador Internet das coisas Sistemas de comunicação sem fio Algorítmos - Desenvolvimento Protocolo de aplicação sem fio (Protocolo de rede de computador) Machine learning Internet of things Wireless communication systems Algorithms - Development Wireless Aplication Protocol (Computer network protocol) CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA Engenharia Elétrica |
| description |
In an age characterized by seamless interconnectivity, the quantity of Internet of Things (IoT) devices has experienced substantial growth in recent years, with projections indicating further expansion. In this context, Federated Learning (FL) plays an important role in the future of wireless communications, offering numerous advantages over traditional centralized learning approaches, including data privacy preservation, reduced bandwidth usage, improved accuracy, and customization. FL is being very used on IoT applications, where multiple devices will contribute with their learning over its local private data in order to build a global model, which will be further aggregated and trained by the Base Station (BS) só that it is redistributed back to the devices. The aim of this work is creating a Device-to-Device (D2D) clustering algorithm, named D2D Short Range Clustering (D2D-SRC), capable of optimizing a multichannel ALOHA communication within a hierarchical FL system, with this learning being the main motivation. Selecting an appropriate wireless protocol and data transmission method is crucial for FL, therefore it was adopted the multichannel ALOHA protocol due to its asynchronous nature and simple implementation compared to other protocols. Also, ALOHA is an interesting practical alternative to the over-the-air computation (AirComp), which is a technique much used in the literature in wireless communication systems to compute functions of distributed data directly through the air without decoding individual messages. The numerical results show that the novel D2D clustering approach proposed is capable of hitting high clustering rates, improving the general efficiency of the system by drastically reducing the achievable error, while allowing a BS to serve more devices using the same resources. |
| publishDate |
2024 |
| dc.date.none.fl_str_mv |
2024-09-06T20:45:13Z 2024-09-06T20:45:13Z 2024-08-23 |
| dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
| dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
| format |
masterThesis |
| status_str |
publishedVersion |
| dc.identifier.uri.fl_str_mv |
SILVA, Rodolfo Viturino Nogueira da. A distributed D2D clustering algorithm tailored for hierarchical federated learning in a multichannel ALOHA network. 2024. Dissertação (Mestrado em Engenharia Elétrica e Informática Industrial) - Universidade Tecnológica Federal do Paraná, Curitiba, 2024. http://repositorio.utfpr.edu.br/jspui/handle/1/34706 |
| identifier_str_mv |
SILVA, Rodolfo Viturino Nogueira da. A distributed D2D clustering algorithm tailored for hierarchical federated learning in a multichannel ALOHA network. 2024. Dissertação (Mestrado em Engenharia Elétrica e Informática Industrial) - Universidade Tecnológica Federal do Paraná, Curitiba, 2024. |
| url |
http://repositorio.utfpr.edu.br/jspui/handle/1/34706 |
| dc.language.iso.fl_str_mv |
eng |
| language |
eng |
| dc.rights.driver.fl_str_mv |
http://creativecommons.org/licenses/by/4.0/ info:eu-repo/semantics/openAccess |
| rights_invalid_str_mv |
http://creativecommons.org/licenses/by/4.0/ |
| eu_rights_str_mv |
openAccess |
| dc.format.none.fl_str_mv |
application/pdf |
| dc.publisher.none.fl_str_mv |
Universidade Tecnológica Federal do Paraná Curitiba Brasil Programa de Pós-Graduação em Engenharia Elétrica e Informática Industrial UTFPR |
| publisher.none.fl_str_mv |
Universidade Tecnológica Federal do Paraná Curitiba Brasil Programa de Pós-Graduação em Engenharia Elétrica e Informática Industrial UTFPR |
| dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) instname:Universidade Tecnológica Federal do Paraná (UTFPR) instacron:UTFPR |
| instname_str |
Universidade Tecnológica Federal do Paraná (UTFPR) |
| instacron_str |
UTFPR |
| institution |
UTFPR |
| reponame_str |
Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) |
| collection |
Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) |
| repository.name.fl_str_mv |
Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) - Universidade Tecnológica Federal do Paraná (UTFPR) |
| repository.mail.fl_str_mv |
riut@utfpr.edu.br || sibi@utfpr.edu.br |
| _version_ |
1850498262372450304 |