Aprendizaje Federado para Aplicaciones IoT

Título original:

Federated Learning for Iot Applications

Contenido del libro:

Este libro presenta cómo el aprendizaje federado ayuda a comprender y aprender de la actividad de los usuarios en aplicaciones del Internet de las Cosas (IoT), protegiendo al mismo tiempo la privacidad de los usuarios. En primer lugar, los autores muestran cómo el aprendizaje federado proporciona una forma única de construir modelos personalizados a partir de los datos sin inmiscuirse en la privacidad de los usuarios.

A continuación, los autores ofrecen un estudio exhaustivo del estado del arte de la investigación sobre aprendizaje federado, proporcionando al lector una visión general del campo. El libro también investiga cómo se necesita un marco de aprendizaje federado personalizado en la arquitectura de borde de nube, así como en la arquitectura de borde inalámbrico para aplicaciones inteligentes de IoT. Para hacer frente a los problemas de heterogeneidad en entornos IoT, el libro investiga métodos emergentes de aprendizaje federado personalizado que son capaces de mitigar los efectos negativos causados por las heterogeneidades en diferentes aspectos.

El libro proporciona estudios de caso de reconocimiento de actividad humana basado en IoT para demostrar la eficacia del aprendizaje federado personalizado para aplicaciones inteligentes de IoT, así como múltiples herramientas de diseño de controladores y análisis de sistemas, incluyendo control predictivo de modelos, desigualdades matriciales lineales, control óptimo, etc. Este marco de codiseño único y completo beneficiará a investigadores, estudiantes de posgrado e ingenieros en los campos de la teoría del control y la ingeniería.